原文服务方: 信息与控制       
摘要:
本文提出了修正的遗传算法和BP算法相结合的短期负荷预测方法,与传统神经网络方法相比,该方法可以加快网络学习速度和提高学习精度.我们用遗传算法来训练网络参数,直到误差趋于一稳定值,然后用优化的权值进行BP算法,实现短期负荷预测.在构建网络模型时,我们考虑了气候因素的影响,并把它作为网络的一组输入点.实验结果表明基于这一方法的负荷预测系统较高的精度和实时性.
推荐文章
基于PSO?BP神经网络的短期负荷预测算法
短期负荷预测
BP神经网络
粒子群算法
零相滤波器
基于 BP 神经网络系统的短期电力负荷预测
电力负荷预测
神经网络
BP 算法
MATLAB
误差分析
基于BP神经网络的电力系统短期负荷预测
负荷预测
神经网络
遗传算法
基于GA-BP神经网络的电力系统负荷预测研究
电力系统
负荷预测
BP神经网络
遗传算法
GA-BP
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于BP-GA混合学习算法的神经网络短期负荷预测
来源期刊 信息与控制 学科
关键词 短期负荷预测 BP GA
年,卷(期) 2002,(3) 所属期刊栏目 实际问题研讨
研究方向 页码范围 284-288
页数 5页 分类号 TP13
字数 语种 中文
DOI 10.3969/j.issn.1002-0411.2002.03.020
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (13)
参考文献  (6)
节点文献
引证文献  (44)
同被引文献  (20)
二级引证文献  (105)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1992(3)
  • 参考文献(3)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2003(5)
  • 引证文献(5)
  • 二级引证文献(0)
2004(8)
  • 引证文献(7)
  • 二级引证文献(1)
2005(8)
  • 引证文献(4)
  • 二级引证文献(4)
2006(17)
  • 引证文献(8)
  • 二级引证文献(9)
2007(24)
  • 引证文献(9)
  • 二级引证文献(15)
2008(11)
  • 引证文献(0)
  • 二级引证文献(11)
2009(9)
  • 引证文献(2)
  • 二级引证文献(7)
2010(8)
  • 引证文献(1)
  • 二级引证文献(7)
2011(15)
  • 引证文献(2)
  • 二级引证文献(13)
2012(6)
  • 引证文献(0)
  • 二级引证文献(6)
2013(9)
  • 引证文献(2)
  • 二级引证文献(7)
2014(5)
  • 引证文献(1)
  • 二级引证文献(4)
2015(8)
  • 引证文献(0)
  • 二级引证文献(8)
2016(4)
  • 引证文献(0)
  • 二级引证文献(4)
2017(6)
  • 引证文献(1)
  • 二级引证文献(5)
2018(4)
  • 引证文献(1)
  • 二级引证文献(3)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
短期负荷预测
BP
GA
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息与控制
双月刊
1002-0411
21-1138/TP
大16开
1972-01-01
chi
出版文献量(篇)
2891
总下载数(次)
0
论文1v1指导