基于神经网络的电力系统负荷预测问题研究

• 作者: 巴秀玲 徐志峰 王伟 郭威 马文远
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 负荷预测 动态神经网络 最优初始值 遗传算法 试验验证
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 自动化应用
• 页码范围: 192-194
• 页数: 3页
• 分类号: TP18
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2017.10.192

摘要

电力负荷预测作为电力企业调度工作的重要组成部分,其预测的好坏将直接决定电力供电服务的质量.但传统的神经网络属于静态网络,而电力负荷属于时间序列,随着时间的变化而不断更新.对此针对上述的问题,提出一种基于动态的Elman神经网络对短期内的电力负荷进行预测.同时,针对神经网络算法容易陷入局部最优解不准确的缺陷,引入遗传算法对最优网络初始值进行求解,进而提高电力负荷预测的准确度.最后,通过以内蒙古赤峰市2016年10月2日至2016年10月21日的用电作为基础数据,以前10天的数据作为训练数据,以后10天作为预测数据,并与实际的数据进行对比,进而验证了本文预测算法的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王伟		11	28	3.0	5.0
2	马文远		2	7	2.0	2.0
3	郭威		1	5	1.0	1.0
4	巴秀玲		2	5	1.0	2.0
5	徐志峰		1	5	1.0	1.0