改进粒子群-BP神经网络模型的短期电力负荷预测

• 作者: 于新花 师彪 李郁侠 闫旺
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 短期负荷预测 改进的粒子群-BP神经网络算法 预测精度
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 1036-1039
• 页数: 4页
• 分类号: TM614|TP18
• 字数: 5794字
• 语种: 中文

摘要

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群算法(MPSO),并与BP算法相结合,形成改进的粒子群-BP(MPSO-BP)神经网络算法,用此算法训练神经网络,实现了神经网络参数优化,得到了基于MPSO-BP算法的神经网络模型.综合考虑气象、天气、日期类型等影响负荷的因素,进行电网短期负荷预测.算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善了BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李郁侠	西安理工大学水利水电学院	73	798	15.0	25.0
2	于新花	青岛科技大学高职技术学院	15	488	9.0	15.0
3	师彪	西安理工大学水利水电学院	18	345	11.0	18.0
4	闫旺	西安理工大学水利水电学院	10	260	7.0	10.0