人工鱼群神经网络在短期负荷预测中的应用

• 作者: 李萍 陈亚
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 人工鱼群算法 Elman神经网络 短期负荷预测 预测精度
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 应用开发研究
• 页码范围: 189-192,196
• 页数: 5页
• 分类号: TP39
• 字数: 3888字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2017.10.040

摘要

由于电力负荷是电力系统发展的基础,提高电力负荷预测的准确性有利于电力系统的快速发展.Elman神经网络预测方法容易陷入局部解,且收敛速度慢,而人工鱼群算法具有较优的全局收敛能力及较快的寻优速度.为了提高短期电力负荷预测的精度,利用人工鱼群算法对Elman神经网络的初始权值和阈值进行了优化,提出并建立了一种新的人工鱼群神经网络短期负荷预测模型.以某市的历史负荷数据作为训练样本,将人工鱼群神经网络预测模型与传统Elman神经网络预测模型进行对比实验.实验结果表明,相对于传统Elman神经网络预测模型,人工鱼群神经网络模型的计算误差更小,预测精度更高,收敛速度更快,具有较好的短期电力负荷预测应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈亚	宁夏大学物理与电子电气工程学院	3	48	3.0	3.0
2	李萍		3	58	3.0	3.0