基于PSO-WPESN的短期电力负荷预测方法

• 作者: 卜峰 周红标 应根旺 王乐
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 粒子群 小波包分解 回声状态网 电力负荷 短期预测
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 工程与应用
• 页码范围: 113-119
• 页数: 7页
• 分类号: TM715
• 字数: 4869字
• 语种: 中文

摘要

精确的短期电力负荷预测是电力生产优化调度和安全稳定运行的重要保证,是智能电网建设的重要一环.为提高模型的预测精度,提出了一种基于粒子群优化小波包回声状态神经网络的短期电力负荷预测方法.首先利用多分辨率小波包分解方法对负荷数据进行分解和重构,建立小波包回声状态网预测模型;然后,利用粒子群算法对预测模型储备池中的参数进行优化.实验结果表明:针对短期电力负荷动态时间序列数据,与BP、Elman、传统ESN等网络相比,PSO-WPESN网络的预测精度、稳定性和泛化能力都得到明显增强,尤其是能在一定程度上缓解由于输出矩阵过大造成ESN存在病态解的弊端.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周红标	淮阴工学院自动化学院	48	271	10.0	12.0
2	应根旺	淮阴工学院自动化学院	7	25	3.0	5.0
3	王乐	淮阴工学院自动化学院	1	11	1.0	1.0
4	卜峰	淮阴工学院自动化学院	2	11	1.0	2.0