粒子群神经网络混合算法在负荷预测中的应用

• 作者: 付中云 蔡金锭
• 来源期刊: 高电压技术
• 学科: 工学
• 关键词: 粒子群算法 PSO-BP混合算法 优化算法 日负荷预测 预测精度 相对误差
• 年，卷（期）: 2007,（5）
• 所属期刊栏目: 电网运行与安全
• 页码范围: 90-93
• 页数: 4页
• 分类号: TM133|TM135
• 字数: 3070字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6520.2007.05.023

摘要

电力系统负荷预测结果的准确性关系到电力系统的调度运行、生产计划和供电质量,为此在研究短期负荷预测中应用了粒子群PSO和BP神经网络相结合的混合算法.该算法先应用粒子群优化算法算出BP神经网络的连接权向量和阈值,每次迭代求出最优粒子的权向量和阈值及BP网络在这组权向量和阈值的实际输出值,最后得出第i个粒子的适应度函数.与其他方法相比,该算法预测精度较高:平均相对误差≤1.48%,最大相对误差≤4.10%,而且收敛速度快,预测结果满足短期负荷预测误差要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡金锭	福州大学电气工程与自动化学院	225	2123	24.0	35.0
2	付中云	福州大学电气工程与自动化学院	2	44	2.0	2.0