基于脊波递归神经网络的短期负荷预测模型 |
| |
引用本文: | 岳远波,撖奥洋,于立涛,安树怀,张智晟.基于脊波递归神经网络的短期负荷预测模型[J].青岛大学学报(工程技术版),2018(3). |
| |
作者姓名: | 岳远波 撖奥洋 于立涛 安树怀 张智晟 |
| |
作者单位: | 青岛大学电气工程学院;国网青岛供电公司 |
| |
摘 要: | 为准确有效地预测电力系统负荷,本文提出了一种基于脊波递归神经网络(ridgelet recurrent neural network,RRNN)的电力系统短期负荷预测模型。采用脊波函数作为预测模型隐含层神经元中的激励函数,在网络模型的内部加入关联层,关联层节点可有效存储隐含层神经元的内部状态,增强了网络模型的反馈联接,并采用粒子群优化算法(particle swarm optimization,PSO)对网络的参数和权值进行优化,避免模型出现陷入局部最优解的问题。以某地区电网负荷系统作为仿真算例,对预测模型进行仿真和测试。仿真结果表明,与BP神经网络和常规脊波神经网络预测模型相比,本文所提出的预测模型的日平均绝对误差和日最大绝对误差均有所降低,具有较好的预测性能。该研究具有一定的实际应用价值。
|
本文献已被 CNKI 等数据库收录! |
|