基于高斯混沌粒子群优化动态前馈神经网络的短期负荷预测

• 作者: 孙景文 常鲜戎
• 来源期刊: 陕西电力
• 学科: 工学
• 关键词: 短期负荷预测 动态前馈神经网络 高斯混沌粒子群 动态延迟算子
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 研究与分析
• 页码范围: 67-69,75
• 页数: 4页
• 分类号: TM715
• 字数: 3289字
• 语种: 中文

摘要

针对传统前馈神经网络(Feedforward Neural Network,FNN)存在收敛速度慢、易陷入局部极小和泛化能力差的缺点,提出用高斯混沌粒子群算法(Gauss Chaos Particle Swarm Optimization,GCPSO)取代传统训练方法 对网络进行训练;针对前馈神经网络不能表征系统的动态特性,在前馈神经网络中引入动态延迟算子,构造动态前馈神经网络(Dynamic Feedforward Neural Network,DFNN),充分表征输入输出之间的非线性关系.将GCPSO-DFNN模型用于电力系统短期负荷预测,首先选择训练样本,然后针对训练样本,采用GCPSO对DFNN进行训练,最后采用测试样本进行模型验证,满足要求则用于未来负荷的预测.算例分析表明了该模型的实用性和准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	常鲜戎	华北电力大学电气与电子工程学院	79	789	13.0	23.0
2	孙景文	华北电力大学电气与电子工程学院	5	30	4.0	5.0