变参数QPSO算法优化神经网络的短期电力负荷预测

• 作者: 李森 王超
• 来源期刊: 电子器件
• 学科: 工学
• 关键词: 电力负荷 RBF神经网络 变参数 量子粒子群算法 相空间重构
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 电子电路设计分析及应用
• 页码范围: 782-786
• 页数: 5页
• 分类号: TP391
• 字数: 2667字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-9490.2014.04.043

摘要

为了提高电力负荷预测精度，提出了一种变参数量子粒子群( VPQPSO)算法优化RBF神经网络的短期负荷预测模型( VPQPSO-RBFNN)。首先利用电力负荷的混沌性，对短期负荷时间序列进行相空间重构；然后采用变参数QPSO算法优化RBF神经网络参数对重构后的短期负荷时间序列进行学习，建立短期电力负荷最优预测模型；最后采用对某地区短期电力负荷进行预测。 VPQPSO-RBFNN可以准确描述复杂多变的电力负荷变化趋势，提高了电力负荷的预测精度，仿真结果验证了VPQPSO-RBFNN可以用于电力系统负荷预测。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王超		10	36	3.0	6.0
2	李森		22	47	4.0	5.0