基于遗传优化神经网络的电力系统短期负荷预测

• 作者: 张元敏 王武 蔡子亮
• 来源期刊: 继电器
• 学科: 工学
• 关键词: 遗传算法 神经网络 电力系统 短期负荷预测 优化
• 年，卷（期）: 2008,（9）
• 所属期刊栏目: 电力市场
• 页码范围: 39-42,47
• 页数: 5页
• 分类号: TM712
• 字数: 3194字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2008.09.009

摘要

电力系统短期负荷预测是电力系统运行管理和实时控制所必须的基本内容,预测结果的准确性对电力系统的安全、优质,经济运行具有重要意义.通过非参数预测法建立电力系统短期负荷预测模型,以此作为Elman神经网络训练的样本集,实现网络样本设计,结构设计与网络训练,充分发挥Elman神经网络动态特性,将改进的遗传算法和Elman神经网络相结合,通过选择,交叉、变异等遗传操作,实现了神经网络权值优化.采用基于遗传优化神经网络的电力系统短期负荷预测新算法,提高了负荷预报精度,具体算例证明了算法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张元敏	许昌学院电气与信息工程学院	78	465	12.0	18.0
2	王武	许昌学院电气与信息工程学院	75	346	10.0	15.0
3	蔡子亮	许昌学院电气与信息工程学院	33	306	10.0	17.0