短期负荷预测神经网络方法比较

• 作者: 冯凯 李晓波 罗枚
• 来源期刊: 继电器
• 学科: 工学
• 关键词: 短期负荷预测 人工神经网络 L-M算法 贝叶斯正则化算法 优化算法
• 年，卷（期）: 2007,（6）
• 所属期刊栏目: 电力系统负荷预测
• 页码范围: 49-53
• 页数: 5页
• 分类号: TP183
• 字数: 3691字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2007.06.012

摘要

以某地区购网有功功率的负荷数据为背景,建立了三个BP神经网络负荷预测模型--SDBP、LMBP及BRBP模型进行短期负荷预测工作,并对其结果进行比较.针对传统的BP算法具有训练速度慢,易陷入局部最小点的缺点,采用具有较快收敛速度及稳定性的L-M优化算法进行预测,使平均相对误差有了很大改善,具有良好的应用前景.而采用贝叶斯正则化算法可以解决网络过度拟合,提高网络的推广能力,使平均相对误差和每日峰值相对误差降低,但收敛速度过慢(慢于SDBP模型),不适于在实际应用中采用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯凯		22	69	5.0	7.0
2	李晓波		20	79	5.0	7.0
3	罗枚		4	24	2.0	4.0