结合前馈神经网络和装袋算法的电力日负荷预测

• 作者: 肖琦敏 陈锐 陈爽
• 来源期刊: 微型电脑应用
• 关键词: 前馈神经网络 装袋算法 电力日负荷预测 过度拟合 并行运算
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 开发应用|DEVELOPMENT AND APPLICATION
• 页码范围: 160-163
• 页数: 4页
• 分类号: TM71
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2021.04.048

摘要

电力负荷精准预测可提高电力系统的可靠性和稳定性,为电力部门电网调度运行提供决策依据.因电力负荷存在复杂多样性等特征,提出了一种结合前馈神经网络和装袋算法的日负荷预测方法,解决了前馈神经网络的过度拟合问题及装袋算法的较长引导时间的问题.利用装袋算法将弱预测模型通过自助方式训练成强预测模型序列,通过前馈神经网络求取模型的更新权重及偏差,采用结合FNN-Bagging算法对日负荷数据进行并行运算计算出预测负荷值.实验结果表明:特定迭代次数下,训练样本数量与系统预测性能具有正比关系,所提的混合预测模型可以有效地预测96点日负荷数据,具有工程实用价值.