基于改进遗传算法优化的小波神经网络短期负荷预测模型

• 作者: 徐靖峰 陈静 顾思
• 来源期刊: 水电与抽水蓄能
• 学科: 工学
• 关键词: 负荷预测 小波神经网络 遗传算法 概率分布
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 智能水电厂
• 页码范围: 48-51,57
• 页数: 5页
• 分类号: TM715
• 字数: 2816字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-093X.2020.02.09

摘要

针对传统小波神经网络在电力系统短期负荷预测中存在预测结果的精确度依赖初始网络参数的问题,提出了一种基于改进遗传算法优化的小波神经网络短期负荷预测模型.为了保证神经网络在训练过程中,各个层的权值和阈值按最优方向变化,将遗传算法引入小波神经网络,利用遗传算法寻优能力指导权值和阈值进行优化.将概率分布策略用于遗传算法的种群交叉和变异过程,解决遗传算法在中后期搜索精度差,收敛速度慢等问题.应用结果表明,与基本的小波神经网络的预测模型相比,在只考虑短期负荷历史数据的情况下,通过均方根误差计算比较,基于改进遗传算法优化的小波神经网络短期负荷预测模型具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈静		3	0	0.0	0.0
2	顾思		2	0	0.0	0.0
3	徐靖峰		1	0	0.0	0.0