基于PSO的模糊神经网络短期负荷预测

• 作者: 吴杰康 陈国通 陈明华
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 短期负荷预测 粒子群优化 模糊优选神经网络
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 63-67
• 页数: 5页
• 分类号: TM73
• 字数: 3496字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-8930.2007.01.012

摘要

针对短期负荷预测的特点,提出基于粒子群(PSO)优化的模糊神经网络短期负荷预测模型.将PSO与模糊优选人工神经网络进行融合,在对模糊优选神经网络训练中采取PSO算法和梯度下降算法相结合的方法,充分发挥PSO全局寻优的能力和梯度下降局部细致搜索优势.对广西某地区进行短期负荷预测,并与实际值进行比较分析,结果表明这一模型应用于短期负荷预测能获得较高的预测精度,是一种行之有效的短期负荷预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴杰康	广西大学电气工程学院	88	769	15.0	23.0
2	陈国通		15	174	9.0	13.0
3	陈明华	广西大学电气工程学院	3	33	2.0	3.0