基于改进BP神经网络的短期电力负荷预测方法研究

• 作者: 张瑞 王克杰
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 短期负荷预测 猫群算法 BP神经网络 预测模型
• 年，卷（期）: 2019,（24）
• 所属期刊栏目: 信息与能源
• 页码范围: 115-121
• 页数: 7页
• 分类号: TM933
• 字数: 3086字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2019.024.019

摘要

针对短期负荷预测精度低、准确性差等问题,将猫群算法CSO和BP神经网络相结合用于短期负荷预测,模型的输入因子是负荷数据和气象信息等,利用猫群算法对BP神经网络的权值和阈值进行优化,得到BP神经网络预测模型的最优解,建立了短期预测模型.通过实例验证了预测模型的有效性和有效性,结果表明,改进模型能够有效降低BP神经网络模型的预测误差,提高预测精度,为我国电力系统短期负荷预测的发展提供了参考和借鉴.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王克杰		3	6	2.0	2.0
2	张瑞		3	5	2.0	2.0