基于PSO-Elman神经网络的短期电力负荷预测

• 作者: 胡翀 陈杰 高翠云
• 来源期刊: 安徽建筑大学学报
• 学科: 工学
• 关键词: 短期负荷预测 Elman神经网络 PSO算法 PSO-Elman神经网络
• 年，卷（期）: 2016,（1）
• 页码范围: 82-86
• 页数: 5页
• 分类号: TM715
• 字数: 3031字
• 语种: 中文
• DOI: 10.11921/j.issn.2095-8382.20160117

摘要

为了解决BP神经网络在短期电力负荷预测中存在局部极小、收敛速度慢等问题,本文采用粒子群算法(Particle Swarm Optimization,PSO)优化Elman动态神经网络进行精准预测.根据输入输出参数个数确定Elman神经网络结构,利用PSO算法优化网络的权值和阈值,并将优化后的最优个体赋给Elman动态神经网络作为初始权值、阈值进行网络训练,从而建立基于PSO-Elman的电力负荷预测模型.采用某钢厂实测电力数据对该方法和模型进行验证,并与传统的BP、Elman网络模型预测方法进行对比,结果表明该方法和模型在有效缩短网络收敛时间的同时,具备更高的负荷预测精度和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈杰	安徽建筑大学电子与信息工程学院	38	93	6.0	7.0
2	高翠云	安徽建筑大学电子与信息工程学院	24	144	6.0	11.0
3	胡翀	国网安徽省电力公司电力科学研究院电网技术中心	2	6	1.0	2.0