改进PSO的WNN模型在短期负荷预测中的应用

• 作者: 张兰
• 来源期刊: 西南师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 改进粒子群 小波神经网络 负荷预测模型
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 应用研究
• 页码范围: 100-104
• 页数: 5页
• 分类号: TM743
• 字数: 2675字
• 语种: 中文
• DOI: 10.13718/j.cnki.xsxb.2017.06.018

摘要

针对电力系统负荷预测中实际的负荷数据往往具有极大的波动性, 模型呈现出极大的非线性, 提出一种改进粒子群优化的小波神经网络模型, 将其应用于电力系统的负荷预测研究. 首先, 分析和介绍了小波神经网络和改进的粒子群算法的基本原理和优点;其次, 将改进的PSO算法用于优化小波神经网络的参数优化;最后对改进的PSO-WNN负荷预测模型进行仿真分析. 实验结果与传统PSO-WNN的实验结果进行对比, 证明改进的PSO能够提高模型的运算效率和负荷预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张兰	西安航空职业技术学院基础部	28	68	5.0	7.0