基于粒子群算法与循环神经网络的短期电力负荷预测

• 作者: 李辉 王军
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 粒子群算法 循环神经网络 电力负荷预测
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 125-128
• 页数: 4页
• 分类号: TP319
• 字数: 2550字
• 语种: 中文
• DOI: 10.11907/rjdk.171805

摘要

针对循环神经网络算法在电力负荷预测中存在易陷入局部最小值和全局搜索能力较弱的缺陷,提出了基于粒子群算法和循环神经网络的预测方法;针对标准粒子群算法易因粒子早熟收敛现象而陷于局部最优的缺陷,提出了合理粒距的概念,生成一种改良后的学习方法.采用改良后的粒子群算法对结点权值参数进行寻优,以测量值与预测值的误差作为评价依据,从而实现模型参数的优化选择.最后采用改良后的粒子群算法和循环神经网络预测模型对短期电力负荷进行预测,并与标准粒子群算法循环神经网络预测模型和循环神经网络预测模型对比.实际算例比较表明,这种预测方法具有良好的收敛特性和较高的预测准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李辉	河南理工大学物理与电子信息学院	70	285	9.0	12.0
2	王军	河南理工大学电气工程与自动化学院	6	24	2.0	4.0