论文摘要
为了提高短期电力负荷预测的准确性,提出了一种改进型粒子群优化BP神经网络预测模型。在改进的粒子群每次迭代过程中求出种群平均适应度值,并将每一粒子适应度值与种群平均适应度值比较,当粒子适应度值劣于种群平均适应度值时,对其空间位置初始化处理,随机生成新的位置,当粒子适应度值优于或等于种群平均适应度时,保持位置不变,通过此种方式,保留了种群中优良粒子,在搜索空间不断缩小的后期拓展了搜索空间,保持了种群多样性,利用改进的粒子群算法优化BP神经网络的初始参数,再将训练样本训练BP神经网络求得最优参数。将此模型应用到河南省某地区短期电力负荷预测中,结果表明此种方法有效提高了预测精度。
论文目录
文章来源
类型: 期刊论文
作者: 王瑞,周晨曦,逯静
关键词: 负荷预测,粒子群优化,神经网络,适应度值
来源: 制造业自动化 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 河南理工大学电气工程与自动化学院,河南理工大学计算机科学与技术学院
基金: 国家自然科学基金(61703144),河南省科技攻关项目(182102210054),河南省高等学校重点科研项目(18A470012),河南省控制工程重点学科开放实验室开放基金课题(KG2016-09)
分类号: TP183;TM715
页码: 39-42+77
总页数: 5
文件大小: 2087K
下载量: 403