作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
电力负荷预测是决定电力系统输送稳定性的关键因素,首先对电力负荷预测的原理及方法做了简要分析.在此基础上,为了提高电力负荷系统的预测精度,提出了一种基于遗传算法(Genetic Algorithm,GA)优化的反向传播神经网络(Back Propagation Neural Network,BPNN)短期负荷预测方法.通过与单一的BPNN模型对比,GA-BPNN模型不仅可以避免算法陷入局部极值,还可进一步提高电力负荷预测的精准度,证明了GA-BPNN模型的优越性.
推荐文章
基于BP神经网络的电力系统短期负荷预测
负荷预测
神经网络
遗传算法
基于GA-BP神经网络的电力系统负荷预测研究
电力系统
负荷预测
BP神经网络
遗传算法
GA-BP
几种遗传算法在舰船电力系统网络重构中应用及比较
舰船电力系统
网络重构
遗传算法
全局最优
电力系统短期负荷预测的改进BP算法
短期负荷预测
人工神经网络
改进算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 遗传算法优化的BP网络在电力系统负荷预测中的应用
来源期刊 电子世界 学科
关键词
年,卷(期) 2021,(17) 所属期刊栏目 技术交流
研究方向 页码范围 168-169
页数 2页 分类号
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
引文网络交叉学科
相关学者/机构
期刊影响力
电子世界
半月刊
1003-0522
11-2086/TN
大16开
北京市
2-892
1979
chi
出版文献量(篇)
36164
总下载数(次)
96
总被引数(次)
46655
论文1v1指导