改进的BP算法在短期电力负荷预测中的应用

• 作者: 李妍 李建伟 王健
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 短期负荷预测 BP神经网络 遗传算法 相对误差 附加动量
• 年，卷（期）: 2017,（14）
• 所属期刊栏目: 人工智能
• 页码范围: 61-63,67
• 页数: 4页
• 分类号: TM715
• 字数: 3684字
• 语种: 中文
• DOI: 10.19358/j.issn.1674-7720.2017.14.019

摘要

利用标准BP神经网络建立短期电力负荷预测模型,其算法存在最终解过于依赖初值和过学习现象,并且训练过程中存在局部极小问题且预测精度低等缺点.为了提高电力负荷模型的预测精度,通过阅读相关文献,构建了基于改进BP神经网络的短期电力负荷预测模型,该模型采用遗传算法对权值和阈值进行初始化,以相对误差和附加动量法相结合的方式去计算权值修正量.比较改进后的BP算法和标准BP算法在短期电力负荷预测的效果,从实验仿真的效果表明改进后的模型提高了预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王健	东北林业大学信息与计算机工程学院	50	164	8.0	10.0
2	李妍	东北林业大学信息与计算机工程学院	5	13	3.0	3.0
3	李建伟	东北林业大学信息与计算机工程学院	2	29	2.0	2.0