BP神经网络模型的短期电力负荷预测

  本文关键词：改进粒子群—BP神经网络模型的短期电力负荷预测，由笔耕文化传播整理发布。

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

摘要 为了准确、快速、高效地预测电网短期负荷，提出了改进的粒子群算法(MPSO)，并与BP算法相结合，，形成改进的粒子群—BP(MPSO-BP)神经网络算法，用此算法训练神经网络，实现了神经网络参数优化，得到了基于MPSO-BP算法的神经网络模型。综合考虑气象、天气、日期类型等影响负荷的因素，进行电网短期负荷预测。算例分析表明，与传统BP神经网络法和PSO-BP神经网络方法相比，该方法改善了BP神经网络的泛化能力，预测精度高，收敛速度快，对电力系统短期负荷具有良好的预测能力。

服务

E-mail Alert

RSS

收稿日期: 2008-10-28     

通讯作者: 师彪     E-mail: biaosh2008@163.com

引用本文:   

师彪 李郁侠 于新花 闫旺. 改进粒子群—BP神经网络模型的短期电力负荷预测[J]. 计算机应用, 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.

链接本文:  

     或     

[1] 耿俊豹 孙林凯 陈是学. 支持向量机的混合核函数参数优选方法[J]. 计算机应用, 2013, 33(05): 1321-1356.

[2] 张娜 张永平. 模糊核聚类支持向量机集成模型及应用[J]. 计算机应用, 2010, 30(1): 175-177.

[3] 王晋东 沈柳青 王坤 王娜. 网络安全态势预测及其在智能防护中的应用[J]. 计算机应用, 2010, 30(06): 1480-1482.

[4] 王琳 闫德勤 梁宏霞. 结合概率和等价类的双系数支持向量机[J]. 计算机应用, 2009, 29(12): 3263-3266.

[5] 师彪 李郁侠 于新花 李娜 闫旺 孟欣. 自适应变系数粒子群—径向基神经网络模型在负荷预测中的应用[J]. 计算机应用, 2009, 29(09): 2454-5458.

  本文关键词：改进粒子群—BP神经网络模型的短期电力负荷预测，由笔耕文化传播整理发布。