基于提升小波和改进PSO-Elman神经网络的短期负荷预测

• 作者: 孙锴 廖庆陵 张博 朱亚玲 窦震海 邹浩
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 负荷预测 提升小波 Elman神经网络 改进粒子群算法 蚁群算法 混沌理论
• 年，卷（期）: 2020,（21）
• 所属期刊栏目: 测量与控制
• 页码范围: 119-125
• 页数: 7页
• 分类号: TM715
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2020.21.017

摘要

为了提高电力负荷预测的精度,提出基于提升小波和改进PSO-Elman神经网络的短期负荷预测模型.针对负荷的波动性和趋势性,将提升小波算法用于分解原始负荷数据并提取其主要特征,在蚁群算法改进粒子群算法中,采用混沌理论,对部分适应度值较差的粒子进行混沌扰动,提出CGPSO(Chaos Generalized Particle Swarm Optimization)算法,改善细致搜索的准确性,并提高全局搜索能力,将CGPSO算法用于Elman神经网络初始参数优化,最后建立负荷预测模型.文中采用我国北方某地区的实际数据进行仿真,实验结果表明,该方法的预测精度相比于传统ENN(Elman Neural Network)方法提高了2.362 6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	窦震海		19	130	6.0	11.0
2	邹浩		1	0	0.0	0.0
3	张博		2	0	0.0	0.0
4	朱亚玲		1	0	0.0	0.0
5	廖庆陵		1	0	0.0	0.0
6	孙锴		1	0	0.0	0.0