一种改进果蝇算法优化神经网络短期负荷预测模型

• 作者: 常青 王亚琴 王力波 王耀力
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: BP神经网络 改进果蝇优化算法 输入到输出连接 负荷预测模型 预测精度
• 年，卷（期）: 2018,（22）
• 所属期刊栏目: 理论与实验研究
• 页码范围: 13-18,24
• 页数: 7页
• 分类号: TM93
• 字数: 4914字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1390.2018.22.003

摘要

针对基本BP神经网络用于电力负荷短期预测时存在预测精度较低等问题,提出一种改进的直连BP神经网络初始连接权值果蝇优化算法(IFOA),用于优化负荷预测模型.首先,采用在BP神经网络中加入从输入到输出连接的网络(BPNN-DIOC,直连BP神经网络)构建负荷预测模型,以减少隐含层所需的神经元个数,降低网络在训练过程中调整的参数个数,提高负荷预测精度.此外,由于BP算法随机初始化网络参数使得算法收敛速度慢、容易陷入局部极值,提出一种改进的果蝇优化算法(IFOA)用于优化神经网络的初始连接权值和阈值,以实现全局优化.然后,综合IFOA和BPNN-DIOC,构建了基于IFOA优化的BPNN-DIOC负荷预测模型.最后,文中以AEMO中新南威尔士州2015年9月份的数据为例进行了仿真验证,IFOA-BPNN-DIOC模型的预测平均绝对误差百分比为0.635 7％,均方根误差为0.011 8,并将该结果与文中其它模型的负荷预测结果进行比较.结果表明,文中负荷预测模型是一种更加有效的短期负荷预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王耀力	太原理工大学信息与工程学院	35	182	6.0	12.0
2	常青	太原理工大学信息与工程学院	27	72	6.0	7.0
3	王亚琴	太原理工大学信息与工程学院	4	19	2.0	4.0
4	王力波	太原理工大学信息与工程学院	5	25	3.0	5.0