基于PSO改进的T-S模糊神经网络短期电力负荷预测研究

• 作者: 刘大明 沈娟
• 来源期刊: 上海电力学院学报
• 学科: 工学
• 关键词: 预测精度 PSO优化T-S算法 模糊模型 异常数据
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 数据挖掘
• 页码范围: 325-330
• 页数: 6页
• 分类号: TP183|TP715.1
• 字数: 4078字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-4729.2017.04.004

摘要

精确的电力负荷预测有利于保障电网运行的安全性、稳定性、高效性及经济性.为提高预测精度,采用了一种PSO改进T-S(Takagi-Sugeno)模糊神经网络方法.分析了数据预处理对改善输入量的重要性,讨论了可以让学习率和平滑因子动态调节的改进T-S模糊神经网络算法,从而使PSO找到最优参数,然后结合历史负荷数据、相关影响因素进行预测,以表明改进的T-S模糊神经网络在短期电力负荷中具有更高的控制精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘大明	上海电力学院计算机科学与技术学院	17	86	6.0	8.0
2	沈娟	上海电力学院自动化工程学院	1	2	1.0	1.0