本文關(guān)鍵詞：改進(jìn)粒子群—BP神經(jīng)網(wǎng)絡(luò)模型的短期電力負(fù)荷預(yù)測(cè)，由筆耕文化傳播整理發(fā)布。

全文: (840 KB)   (0 KB) 
輸出: BibTeX | EndNote (RIS)      

摘要 為了準(zhǔn)確、快速、高效地預(yù)測(cè)電網(wǎng)短期負(fù)荷，提出了改進(jìn)的粒子群算法(MPSO)，并與BP算法相結(jié)合，，形成改進(jìn)的粒子群—BP(MPSO-BP)神經(jīng)網(wǎng)絡(luò)算法，用此算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)了神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化，得到了基于MPSO-BP算法的神經(jīng)網(wǎng)絡(luò)模型。綜合考慮氣象、天氣、日期類(lèi)型等影響負(fù)荷的因素，進(jìn)行電網(wǎng)短期負(fù)荷預(yù)測(cè)。算例分析表明，與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)法和PSO-BP神經(jīng)網(wǎng)絡(luò)方法相比，該方法改善了BP神經(jīng)網(wǎng)絡(luò)的泛化能力，預(yù)測(cè)精度高，收斂速度快，對(duì)電力系統(tǒng)短期負(fù)荷具有良好的預(yù)測(cè)能力。

服務(wù)

E-mail Alert

RSS

收稿日期: 2008-10-28     

通訊作者: 師彪     E-mail: biaosh2008@163.com

引用本文:   

師彪 李郁俠 于新花 閆旺. 改進(jìn)粒子群—BP神經(jīng)網(wǎng)絡(luò)模型的短期電力負(fù)荷預(yù)測(cè)[J]. 計(jì)算機(jī)應(yīng)用, 2009, 29(4): 1036-1039. Biao SHI Yu-xia LI Xin-hua YU Wang YAN. Short-term load forecast based on modified particle swarm optimizer and back propagation neural network model. Journal of Computer Applications, 2009, 29(4): 1036-1039.

鏈接本文:  

     或     

[1] 耿俊豹 孫林凱 陳是學(xué). 支持向量機(jī)的混合核函數(shù)參數(shù)優(yōu)選方法[J]. 計(jì)算機(jī)應(yīng)用, 2013, 33(05): 1321-1356.

[2] 張娜 張永平. 模糊核聚類(lèi)支持向量機(jī)集成模型及應(yīng)用[J]. 計(jì)算機(jī)應(yīng)用, 2010, 30(1): 175-177.

[3] 王晉東 沈柳青 王坤 王娜. 網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)及其在智能防護(hù)中的應(yīng)用[J]. 計(jì)算機(jī)應(yīng)用, 2010, 30(06): 1480-1482.

[4] 王琳 閆德勤 梁宏霞. 結(jié)合概率和等價(jià)類(lèi)的雙系數(shù)支持向量機(jī)[J]. 計(jì)算機(jī)應(yīng)用, 2009, 29(12): 3263-3266.

[5] 師彪 李郁俠 于新花 李娜 閆旺 孟欣. 自適應(yīng)變系數(shù)粒子群—徑向基神經(jīng)網(wǎng)絡(luò)模型在負(fù)荷預(yù)測(cè)中的應(yīng)用[J]. 計(jì)算機(jī)應(yīng)用, 2009, 29(09): 2454-5458.

  本文關(guān)鍵詞：改進(jìn)粒子群—BP神經(jīng)網(wǎng)絡(luò)模型的短期電力負(fù)荷預(yù)測(cè)，由筆耕文化傳播整理發(fā)布。