基于WT-IPSO-BPNN的电力系统短期负荷预测

• 作者: 师刘俊 康义 郭刚
• 来源期刊: 电气技术
• 关键词: 小波分解 粒子群算法 BP神经网络 负荷预测
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 研究与开发
• 页码范围: 23-28,62
• 页数: 7页
• 语种: 中文

摘要

鉴于短期负荷预测精度对电力系统安全、经济和可靠运行的重要性,为提高预测精度,本文提出了基于小波分解(WT)、改进粒子群算法(IPSO)和BP神经网络的组合预测模型.首先运用小波分解对负荷数据预处理,将历史数据分解成cd1、cd2、cd3以及ca3;然后对分解后的小波序列分别进行神经网络建模和预测;最后小波重构负荷序列的最终预报.为提高BP神经网络所需样本的精确性和神经网络的收敛速度及稳定性,采用改进粒子群算法优化网络,形成了"分解-预测-重构"模型.经实例验证,与小波分解BP神经网络方法相比,本文所提方法具有训练学习能力更强、收敛速度更快、预测精度高和适应能力更强的优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	师刘俊		2	0	0.0	0.0
2	康义		2	0	0.0	0.0
3	郭刚		1	0	0.0	0.0