基于改进粒子群神经网络短期负荷预测

• 作者: 姜雲腾 李萍
• 来源期刊: 电气技术
• 关键词: 粒子群算法 BP神经网络 短期负荷预测 预测精度
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 研究与开发
• 页码范围: 87-91
• 页数: 5页
• 字数: 3595字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3800.2018.02.019

摘要

在电力系统的发展过程中,电力负荷充当着非常重要的角色,电力负荷预测的精度显得尤为重要.为了提高短期电力负荷预测的精度,提出了改进的粒子群-BP神经网络混合优化算法.采用自适应惯性权重改进的粒子群算法,使得粒子群算法的收敛速度和收敛精度有所提高,改进后的算法优化神经网络的过程中,对BP神经网络的初始权值和阈值等参数进行改善,并建立基于IPSO-BP算法模型对短期电力负荷进行预测.以某地的历史负荷数据进行训练仿真,结果表明,该模型的收敛速度和预测精度优于传统粒子群-BP神经网络模型.模型改善了粒子群算法和神经网络各自的缺点,提高了BP神经网络的泛化能力.该模型提高了短期电力负荷预测精度,平均相对误差在1%左右,模型可用于电力系统的短期负荷预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜雲腾	宁夏大学物理与电子电气工程学院	5	26	3.0	5.0
2	李萍		3	58	3.0	3.0