基于改进PSO-BP神经网络的短期电力负荷预测研究

• 作者: 乔维德
• 来源期刊: 继电器
• 学科: 工学
• 关键词: 改进PSO-BP算法 短期电力负荷 预测
• 年，卷（期）: 2007,（17）
• 所属期刊栏目: 负荷预测
• 页码范围: 17-21
• 页数: 5页
• 分类号: TM715
• 字数: 4057字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2007.17.005

摘要

粒子群优化(PSO)算法是基于群智能的全局优化技术,它通过粒子间的相互作用,对解空间进行智能搜索,从而发现最优解.该文对基本粒子群算法进行改进,并将改进粒子群优化算法与误差反向传播(BP)算法结合起来构成的混合算法用于训练人工神经网络,对短期电力负荷进行预测.实践结果表明:改进PSO-BP算法有效地解决常规BP算法学习网络权值和阈值收敛速度慢、易陷入局部极小等问题,具有较快的收敛速度和较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔维德		21	144	8.0	11.0