基于粒子群神经网络的负荷预测方法研究

• 作者: 吴凯 周西峰 郭前岗
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 粒子群算法 神经网络 负荷预测
• 年，卷（期）: 2013,（3）
• 分类号: TM715
• 语种: 中文

摘要

为了提高短期电力负荷预测的精度,提出了一种改进的粒子群算法和BP神经网络相结合的预测模型.综合考虑天气、温度等因素的影响建立了短期电力负荷预测模型,利用改进的粒子群算法对模型的初始参数进行优化,之后采用LM学习算法对优化后的网络进行训练.仿真结果表明,该预测模型的预测精度优于BP神经网络和PSO-BP神经网络,克服了BP神经网络和粒子群优化方法的缺陷,改善了BP神经网络的泛化能力,为短期负荷提供了一种有效的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周西峰	南京邮电大学自动化学院	80	608	13.0	20.0
2	郭前岗	南京邮电大学自动化学院	87	615	13.0	20.0
3	吴凯	南京邮电大学自动化学院	2	18	2.0	2.0