為了提高短期電力負荷預(yù)測的準(zhǔn)確性,提出了一種改進型粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。在改進的粒子群每次迭代過程中求出種群平均適應(yīng)度值,并將每一粒子適應(yīng)度值與種群平均適應(yīng)度值比較,當(dāng)粒子適應(yīng)度值劣于種群平均適應(yīng)度值時,對其空間位置初始化處理,隨機生成新的位置,當(dāng)粒子適應(yīng)度值優(yōu)于或等于種群平均適應(yīng)度時,保持位置不變,通過此種方式,保留了種群中優(yōu)良粒子,在搜索空間不斷縮小的后期拓展了搜索空間,保持了種群多樣性,利用改進的粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始參數(shù),再將訓(xùn)練樣本訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)求得最優(yōu)參數(shù)。將此模型應(yīng)用到河南省某地區(qū)短期電力負荷預(yù)測中,結(jié)果表明此種方法有效提高了預(yù)測精度。 

【文章來源】：制造業(yè)自動化. 2019,41(06)CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

BP模型預(yù)測值與實際值對比圖

本粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型（PSO-BP模型）、BP神經(jīng)網(wǎng)絡(luò)模型（BP模型）用相同的數(shù)據(jù)訓(xùn)練，并對同一天電力負荷預(yù)測，通過預(yù)測結(jié)果比較三種模型之間的優(yōu)劣。三種預(yù)測模型均在MatlabR2014b平臺中程序?qū)崿F(xiàn)，利用采集的前67天的負荷數(shù)據(jù)訓(xùn)練各個網(wǎng)絡(luò)模型，并對第69天的負荷預(yù)測。圖3為BP模型預(yù)測值與實際值對比圖，圖4為PSO-BP模型預(yù)測值與實際值對比圖，圖5為IPSO-BP模型預(yù)測值與實際值對比圖，圖6為三種模型預(yù)測誤差值對比圖。圖3BP模型預(yù)測值與實際值對比圖圖4PSO-BP模型預(yù)測值與實際值對比圖圖5IPSO-BP模型預(yù)測值與實際值對比圖【下轉(zhuǎn)第77頁】

P模型）、BP神經(jīng)網(wǎng)絡(luò)模型（BP模型）用相同的數(shù)據(jù)訓(xùn)練，并對同一天電力負荷預(yù)測，通過預(yù)測結(jié)果比較三種模型之間的優(yōu)劣。三種預(yù)測模型均在MatlabR2014b平臺中程序?qū)崿F(xiàn)，利用采集的前67天的負荷數(shù)據(jù)訓(xùn)練各個網(wǎng)絡(luò)模型，并對第69天的負荷預(yù)測。圖3為BP模型預(yù)測值與實際值對比圖，圖4為PSO-BP模型預(yù)測值與實際值對比圖，圖5為IPSO-BP模型預(yù)測值與實際值對比圖，圖6為三種模型預(yù)測誤差值對比圖。圖3BP模型預(yù)測值與實際值對比圖圖4PSO-BP模型預(yù)測值與實際值對比圖圖5IPSO-BP模型預(yù)測值與實際值對比圖【下轉(zhuǎn)第77頁】

【參考文獻】：
期刊論文
[1]改進的粒子群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)及應(yīng)用[J]. 何明慧,徐怡,王冉,胡善忠.  計算機工程與應(yīng)用. 2018(19)
[2]BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點數(shù)確定方法研究[J]. 王嶸冰,徐紅艷,李波,馮勇.  計算機技術(shù)與發(fā)展. 2018(04)
[3]一種改進人工魚群算法對BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化研究[J]. 龔波,曾飛艷.  湖南科技大學(xué)學(xué)報(自然科學(xué)版). 2016(01)
[4]基于粒子群算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化技術(shù)[J]. 張德慧,張德育,劉清云,呂艷輝.  計算機工程與設(shè)計. 2015(05)
[5]用遺傳算法改進的BP神經(jīng)網(wǎng)絡(luò)剪枝算法來優(yōu)化決策樹模型[J]. 武彤,程輝.  計算機科學(xué). 2013(S2)
[6]引力搜索算法中粒子記憶性改進的研究[J]. 李春龍,戴娟,潘豐.  計算機應(yīng)用. 2012(10)
[7]改進粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測[J]. 李松,劉力軍,翟曼.  系統(tǒng)工程理論與實踐. 2012(09)
[8]基于自適應(yīng)學(xué)習(xí)速率的改進BP神經(jīng)網(wǎng)絡(luò)[J]. 唐艷,付存君,魏建新.  計算機光盤軟件與應(yīng)用. 2012(04)
[9]基于BP神經(jīng)網(wǎng)絡(luò)的電網(wǎng)短期負荷預(yù)測模型研究[J]. 周英,尹邦德,任鈴,邊雪芬.  電測與儀表. 2011(02)
[10]BP神經(jīng)網(wǎng)絡(luò)輸入層數(shù)據(jù)歸一化研究[J]. 柳小桐.  機械工程與自動化. 2010(03)



本文編號：3128956