基于PSO优化BP神经网络的科技园区电力负荷预测

• 作者: 周浩 张瑞锋 焦丰顺 韦波 高洪洋 鲍重廷
• 来源期刊: 通信电源技术
• 关键词: 负荷预测 BP神经网络 粒子群算法 科技园区
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 研制开发
• 页码范围: 12-15,25
• 页数: 5页
• 字数: 2894字
• 语种: 中文
• DOI: 10.19399/j.cnki.tpt.2020.05.004

摘要

为了实现对深圳湾科技生态园未来楼层用电数据的精确预测,降低预测用电数据的误差对商业楼宇用能调度的不利影响,以科技园区负荷、气象和节假日等历史数据为预测数据的输入,采用粒子群算法(Particle SwarmOptimization,PSO)对BP (Back Propagation)的权重与阈值参数进行迭代优化,使得算法优化后的神经网络具备更好的适应性.通过与BP神经网络模型预测结果和指标进行对比,验证了经PSO优化的BP神经网络对湾区科技园区楼层预测精度更高,能为调度提供更好的指导.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	焦丰顺		12	34	4.0	5.0
2	韦波		2	0	0.0	0.0
3	鲍重廷		1	0	0.0	0.0
4	周浩		1	0	0.0	0.0
5	张瑞锋	清华大学深圳国际研究生院材料与器件检测中心	5	6	2.0	2.0
6	高洪洋	清华大学深圳国际研究生院材料与器件检测中心	1	0	0.0	0.0