基于高斯模糊信息粒化和改进小波神经网络的短期负荷区间预测研究

• 作者: 余鹏 唐权 张文涛 黄民翔
• 来源期刊: 机电工程
• 学科: 工学
• 关键词: 高斯模糊 信息粒化 改进小波神经网络 短期负荷 区间预测
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 电工技术
• 页码范围: 167-172
• 页数: 6页
• 分类号: TM715
• 字数: 4939字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4551.2017.02.013

摘要

针对现有短期负荷预测方法适应性不足、预测精度不高,WNN原始连接权值和阈值采取随机赋值并采用梯度学习算法进行修正,存在进化缓慢、易出现陷入局部极小或不收敛等问题,提出了基于高斯FIG和改进WNN的短期负荷区间预测新方法.用收敛速度更快的函数取代常用的输出层神经元函数,并用粒子群算法寻优取代WNN连接权值和阈值随机赋值.把网络连接权值和阈值作为粒子群算法微粒的位置向量,不断调整微粒的速度和位置向量以寻求最优值.选择了合适的数据跨度作为一个粒化窗口,对原始负荷数据进行了高斯模糊粒化处理,得到了对应的高斯FIG后的序列值,并用改进后的WNN对模糊序列值进行了区间预测.与WNN及SVM方法的对比研究结果表明,该方法不仅能够获得比单一负荷值更多的区间信息,而且预测精度更高,能够更好地指导电力系统相关决策.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄民翔	浙江大学电气工程学院	128	2876	30.0	48.0
2	唐权	国网四川省电力公司经济技术研究院	13	84	5.0	8.0
3	余鹏	浙江大学电气工程学院	4	12	2.0	3.0
5	张文涛	国网四川省电力公司经济技术研究院	7	23	3.0	4.0