基于遗传和模拟退火算法优化的短期负荷预测

• 作者: 吴杰康 张宏亮 梁志武 陈明华
• 来源期刊: 现代电力
• 学科: 工学
• 关键词: 短期负荷预测 Elman神经网络 遗传算法 模拟退火算法
• 年，卷（期）: 2008,（2）
• 所属期刊栏目: 电气工程
• 页码范围: 13-17
• 页数: 5页
• 分类号: TM714
• 字数: 4103字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-2322.2008.02.003

摘要

负荷短期预测是电力系统运行和调度每年的重要工作,尤其在市场环境下负荷短期预测更显重要.对于电力系统短期负荷的随机性和突变性的特点,提出了应用遗传算法(GA)和模拟退火(SA)优化的Elman神经网络的短期负荷预测模型.其特点是模型简单、运算效率高,并具有较好的全局最优性能,从而很好地克服了传统BP算法容易陷入局部极小点的缺陷.利用改进Elman 网络的良好学习能力,同时利用遗传和模拟退火优化算法对Elman动态递归网络的前馈和反馈值进行优化,实现全局最优的拟合结果.比较了Elman网络和BP网络结构的建模效果,仿真实验证明了利用遗传和模拟退火算法优化的Elman神经网络具有动态特性好、逼近速度快、精度高等特点,说明Elman网络是一种新颖、可靠的负荷预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴杰康	广西大学电气工程学院	88	769	15.0	23.0
2	张宏亮		10	48	4.0	6.0
3	梁志武		1	9	1.0	1.0
4	陈明华		1	9	1.0	1.0