基于GAD-BP神经网络的短期负荷预测

• 作者: 任其文 卢静 尹晓东 张丹丹 胡钢
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 短期负荷预测 GAD-BP神经网络 遗传算法 LM算法 Adagrad算法
• 年，卷（期）: 2019,（24）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 143-147
• 页数: 5页
• 分类号: TM715
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1903158

摘要

短期负荷的精准预测可以提高配网运行的安全性、可靠性、经济性,虽然BP神经网络在数据训练和关联记忆方面具有良好应用效果,但其在短期电负荷预测领域存在局部最优解和收敛速度慢的不足.因此,提出了一种改进的BP神经网络算法,首先构建一个全局化加速BP(globally accelerated BP,GAD-BP)神经网络模型,在模型参数预训练过程中,采用遗传算法全局寻优,通过LM算法优化初始权值.其次结合Adagrad方法逐参数除以迭代历史梯度平方根和来动态调节学习率,使其更快收敛于最优解.最后将GAD-BP与St-BP、LSTM进行仿真对比,结果表明,GAD-BP神经网络模型计算时间短,且预测精度达到了0.981 2×10-3.