基于模拟退火的Gauss-Newton算法神经网络在短期负荷预测中的应用

• 作者: 刘先珊 张林 阴和俊
• 来源期刊: 武汉大学学报（工学版）
• 学科: 工学
• 关键词: 非线性 模拟退火的Gauss-Newton算法 负荷预测 可靠性
• 年，卷（期）: 2005,（4）
• 所属期刊栏目: 电力工程
• 页码范围: 28-33
• 页数: 6页
• 分类号: TM714
• 字数: 4897字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-8844.2005.04.008

摘要

针对一般BP网络存在的一些缺陷,首次提出了利用基于模拟退火的Gauss-Newton算法的神经网络预测电力系统短期负荷,并编制了通用程序.在相同的初始条件下,用基于模拟退火的Gauss-Newton算法的神经网络和自适应学习率附加动量法神经网络进行了比较,得出前者的特点和优点:一次性求解权值和偏差,收敛快,精度高,收敛于全局最优解.在算例中,基于人工神经网络的非线性特点进行了负荷预测,通过和真实值的比较说明本方法预测结果精度很高,从而更进一步验证了该方法应用于短期负荷预测的可靠性和优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张林	中国科学院电子所	36	1159	13.0	34.0
5	阴和俊	中国科学院电子所	40	438	10.0	20.0
6	刘先珊	武汉大学水资源与水电工程科学国家重点实验室	12	300	9.0	12.0