PSO演化神经网络集成的边际电价预测新方法

• 作者: 杨波 赵遵廉 陈允平 韩启业
• 来源期刊: 高电压技术
• 学科: 工学
• 关键词: 电力市场 边际电价 人工神经网络 粒子群优化 神经网络集成 电价预测
• 年，卷（期）: 2007,（10）
• 所属期刊栏目: 电网运行与安全
• 页码范围: 162-166
• 页数: 5页
• 分类号: TM73
• 字数: 4468字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6520.2007.10.038

摘要

为了克服神经网络模型结构和参数难以设置,学习算法收敛速度慢等缺点,提出了一种基于粒子群优化的演化神经网络集成新模型对日前交易电力市场的边际电价进行预测.该模型将边际电价预测问题转化为神经网络实际输出与预测输出误差最小化问题,首先采用粒子群优化算法把神经网络的结构和权重映射成问题空间中的粒子,通过粒子速度和位置更新方程进行粗学习,获得多个相对占优的神经网络结构和初始权重并构成神经网络集成预测模型,然后采用梯度学习算法和交叉验证对神经网络集成单元的权重进行细学习,并以误差最小的神经网络集成单元的输出作为神经网络集成预测模型的输出.运用此方法对加州日前交易电力市场的边际电价进行了日预测,结果表明其优于三层BP神经网络预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈允平	武汉大学电气工程学院	203	6094	41.0	70.0
2	杨波	武汉大学电气工程学院	309	2088	20.0	31.0
4	赵遵廉		11	250	6.0	11.0
5	韩启业		4	84	4.0	4.0