基于改进灰色关联分析与蝙蝠优化神经网络的短期负荷预测

• 作者: 吴云 李春哲 雷建文 鲍丽山
• 来源期刊: 电力系统自动化
• 关键词: 负荷预测 神经网络 蝙蝠算法 灰色关联 相似日
• 年，卷（期）: 2018,（20）
• 所属期刊栏目: 学术研究
• 页码范围: 67-72
• 页数: 6页
• 字数: 5365字
• 语种: 中文
• DOI: 10.7500/AEPS20180125004

摘要

针对短期负荷预测的精度问题,文中提出基于改进灰色关联与蝙蝠优化神经网络的短期负荷预测方法.在传统的灰色关联分析方法基础上,引入以距离相似性和形状相近性相关联的综合灰色关联度选取更高相似度的相似日.为缩小训练样本的差异程度,提高预测精度,利用相似日集合中的样本来训练蝙蝠优化的反向传播(BP)神经网络预测模型.以中国南方某城市的历史数据作为实际算例,将文中提出的基于改进灰色关联与蝙蝠优化神经网络的短期负荷预测方法与单纯的BP神经网络法、蝙蝠优化BP神经网络法、传统灰色关联与蝙蝠优化的BP神经网络组合法的预测结果相比,结果表明文中方法的预测精度较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴云	东北电力大学信息工程学院	13	50	3.0	7.0
2	鲍丽山		5	39	3.0	5.0
3	雷建文	东北电力大学信息工程学院	1	26	1.0	1.0
4	李春哲		2	28	2.0	2.0