|
|||||
|
|
| 基于遗传和模拟退火算法优化的短期负荷预测 | |
| 引用本文： | 梁志武,吴杰康,陈明华,张宏亮.基于遗传和模拟退火算法优化的短期负荷预测[J].现代电力,2008,25(2):13-17. |
| 作者姓名： | 梁志武 吴杰康 陈明华 张宏亮 |
| 作者单位： | 1. 广西电网公司钦州供电局,广西钦州,537000 2. 广西大学电气工程学院,广西南宁,530004 3. 广西方元电力股份有限公司,广西南宁,530028 |
| 基金项目： | 国家自然科学基金 , 广西自然科学基金 , 广西高校百名中青年学科带头人项目 |
| 摘 要： | 负荷短期预测是电力系统运行和调度每年的重要工作,尤其在市场环境下负荷短期预测更显重要.对于电力系统短期负荷的随机性和突变性的特点,提出了应用遗传算法(GA)和模拟退火(SA)优化的Elman神经网络的短期负荷预测模型.其特点是模型简单、运算效率高,并具有较好的全局最优性能,从而很好地克服了传统BP算法容易陷入局部极小点的缺陷.利用改进Elman 网络的良好学习能力,同时利用遗传和模拟退火优化算法对Elman动态递归网络的前馈和反馈值进行优化,实现全局最优的拟合结果.比较了Elman网络和BP网络结构的建模效果,仿真实验证明了利用遗传和模拟退火算法优化的Elman神经网络具有动态特性好、逼近速度快、精度高等特点,说明Elman网络是一种新颖、可靠的负荷预测方法. |
| 关 键 词： | 短期负荷预测 Elman神经网络 遗传算法 模拟退火算法 遗传 模拟退火 算法优化 短期负荷预测 Neural Networks Elman Simulated Annealing Algorithm Genetic Algorithm Based 预测方法 精度 逼近速度 动态特性 验证 仿真 效果 建模 网络结构 比较 拟合结果 |
| 文章编号： | 1007-2322(2008)02-0013-05 |
| 修稿时间： | 2007年9月4日 |
Short-term Load Forecasting Based on Genetic Algorithm and Simulated Annealing Algorithm Optimized Elman Neural Networks |
|
| Liang Zhiwu,Wu Jiekang,Chen Minghua,Zhang Hongliang.Short-term Load Forecasting Based on Genetic Algorithm and Simulated Annealing Algorithm Optimized Elman Neural Networks[J].Modern Electric Power,2008,25(2):13-17. | |
| Authors: | Liang Zhiwu Wu Jiekang Chen Minghua Zhang Hongliang |
| Abstract: | |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ | |