|
|||||
|
|
| 基于改进PSO的神经网络短期电力负荷预测模型 | |
| 作者姓名： | 任东红 林鹏 袁清萍 邢兵锁 董国贵 |
| 作者单位： | 铜陵职业技术学院电气工程系;国网铜陵供电公司 |
| 摘 要： | 针对短期电力负荷预测问题,提出了一种基于改进粒子群算法(PSO)的BP神经网络预测模型.选取与电力负荷大小密切相关的季节、天气情况、当天最高温度、当天最低温度、日期性质、上年同期历史数据为神经网络的输入变量,电力负荷大小为输出变量,建立基于BP神经网络的电力负荷预测模型,同时利用改进的粒子群算法对神经网络进行训练.该训练算法具有较高的精度,能够建立较精确的短期电力负荷测量模型.仿真结果表明,基于改进粒子群算法的BP神经网络电力负荷预测模型预测精度较高,具有一定的应用价值. |
| 本文献已被 CNKI 等数据库收录！ | |