本文關鍵詞：改進粒子群—BP神經(jīng)網(wǎng)絡模型的短期電力負荷預測，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 為了準確、快速、高效地預測電網(wǎng)短期負荷，提出了改進的粒子群算法(MPSO)，并與BP算法相結合，，形成改進的粒子群—BP(MPSO-BP)神經(jīng)網(wǎng)絡算法，用此算法訓練神經(jīng)網(wǎng)絡，實現(xiàn)了神經(jīng)網(wǎng)絡參數(shù)優(yōu)化，得到了基于MPSO-BP算法的神經(jīng)網(wǎng)絡模型。綜合考慮氣象、天氣、日期類型等影響負荷的因素，進行電網(wǎng)短期負荷預測。算例分析表明，與傳統(tǒng)BP神經(jīng)網(wǎng)絡法和PSO-BP神經(jīng)網(wǎng)絡方法相比，該方法改善了BP神經(jīng)網(wǎng)絡的泛化能力，預測精度高，收斂速度快，對電力系統(tǒng)短期負荷具有良好的預測能力。

服務

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. 改進粒子群—BP神經(jīng)網(wǎng)絡模型的短期電力負荷預測[J]. 計算機應用, 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. 支持向量機的混合核函數(shù)參數(shù)優(yōu)選方法[J]. 計算機應用, 2013, 33(05): 1321-1356.

[2] 張娜 張永平. 模糊核聚類支持向量機集成模型及應用[J]. 計算機應用, 2010, 30(1): 175-177.

[3] 王晉東 沈柳青 王坤 王娜. 網(wǎng)絡安全態(tài)勢預測及其在智能防護中的應用[J]. 計算機應用, 2010, 30(06): 1480-1482.

[4] 王琳 閆德勤 梁宏霞. 結合概率和等價類的雙系數(shù)支持向量機[J]. 計算機應用, 2009, 29(12): 3263-3266.

[5] 師彪 李郁俠 于新花 李娜 閆旺 孟欣. 自適應變系數(shù)粒子群—徑向基神經(jīng)網(wǎng)絡模型在負荷預測中的應用[J]. 計算機應用, 2009, 29(09): 2454-5458.

  本文關鍵詞：改進粒子群—BP神經(jīng)網(wǎng)絡模型的短期電力負荷預測，由筆耕文化傳播整理發(fā)布。