基于粒子群BP神经网络的短期电力负荷预测(2014年)资源-CSDN文库

需积分: 10 51 浏览量 2021-05-24 21:32:16 上传评论收藏 716KB PDF 举报

资源推荐

资源详情

资源评论

!!!!!!!!!!!!!!!!!!!!!!!!

第 !" 卷第 # 期

#"$% 年 %

!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

月

上海电力学院学报

!!!!!!!!!!!!!!!!!!!!!!

!"#$%&' "( )*&%+*&, -%,./$0,12 "( 3'/41$,4 5"6/$

7"'8!"!9"8#

:;$8&#"$%

&&

<=>! $"8!'(' ?@8,00%8$""( )%*#'8#"$%8"#8""-

收稿日期! #"$! )"% )$"

通讯作者简介! 陈帅 "$'-- )#$ 男$ 在读硕士$ 河北张家口人8主要研究方向为电力负荷预测83AB&,'!

4*/%0*#&,$'--,$#(84"B8

基金项目!上海市教育委员会创新基金"$$SD$'## 8

基于粒子群 S/神经网络的短期电力负荷预测

陈&帅

$

$ 王&勇

$

$ 吕&丰

#

$ 杨&恒

$

$ 黄亮亮

$

"$8上海电力学院电气工程学院$ 上海&#"""'"%

#8金山供电公司电力调度控制中心$ 上海&#""+%"#

摘&要!电力负荷预测通常采用神经网络方法$该方法训练时间较长$并且由于负荷受到气象因素影响$该算法

预测的精度不是很高8为了克服当前存在的问题$采用粒子群算法优化 Q5神经网络的权值和阈值$归一化处理

气象因素$利用神经网络预测短期电力负荷8实验结果表明$该方法比单纯 Q5神经网络预测具有明显优势8

关键词!粒子群% Q5神经网络% 负荷预测

中图分类号! EF *$+8$%E5$-!&&&&文献标志码!:

&&

文章编号! $""( )%*#'"#"$%#"# )"$!$ )"+

40'*.,."*6 T'3+W'*"-3#.$&% S3#"+'&.0"/3*.$-2"

4=3*6 S/X"9*32X".='*V

GH39)*#&,

$

$ R:9IS"%+

$

$ O[T/%+

#

$ S:9IH/%+

$

$ H-:9IO,&%+',&%+

$

"$9!"#$$%$&.%0")1,"+%.-/,-001,-/$ !#+-/#+,2-,3014,)5$&.%0")1,"6$701$ !#+-/#+,&#"""'"$ 8#,-+%

#96$701>,4;+)"#,-/ 8$-)1$%80-)01$ I,-4#+- 6$701!(;;%58$*;+-5$ !#+-/#+,&#""+%"$ 8#,-+#

8:#.*3-.!& 5"6/$'"&K ("$/4&01,%+ 4"BB"%'2 #0/0%/#$&'%/16"$M B/1*"K8E*/1$&,%,%+ 1,B/"(1*/

B/1*"K ,0'"%+/$$ &%K 1*/B/1/"$"'"+,4&'(&41"$04&% &((/41'"&K$0" 1*/;$/K,41,"% &44#$&42 "(1*/

&'+"$,1*B,0%"1./$2 *,+*8>% "$K/$1" "./$4"B/1*/4#$$/%1;$"N'/B0

$;&$1,4'/06&$B&'+"$,1*B,0#0/K

("$";1,B,V,%+ 1*/6/,+*1&%K 1*$/0*"'K "(Q5%/#$&'%/16"$M$1*/% B/1/"$"'"+,4&'(&41"$0&$/;$"4/00/K

N2 %"$B&',V&1,"% B/1*"K &%K ("$/4&01,%+ 0*"$1A1/$B ;"6/$'"&K 1*$"#+* %/#$&'%/16"$M8E*/

/L;/$,B/%1&'$/0#'100*"61*&11*,0B/1*"K *&0"N.,"#0&K.&%1&+/0"./$B/$/Q5%/#$&'%/16"$M8

<"5 ='*+#!& ;&$1,4'/06&$B% Q5%/#$&'%/16"$M% '"&K ("$/4&01,%+

&&电力系统负荷预测是根据电力负荷&气象&经

济等历史数据$探索电力负荷历史数据变化规律

对未来负荷的影响$找到电力负荷与影响负荷变

化的相关因素间的内在联系$以便对将来的负荷

进行科学的预测8

)$*

负荷预测问题涉及电力系统

运行的安全性&可靠性和经济性$以及电力系统规

划和设计等多个方面$它已成为现代化电力系统

运行和管理中的一个重要研究领域8

)#*

与传统方法相比$在处理非线性问题时$人工

神经网络可以考虑各种因素对负荷的影响$具有

一定的优越性$在电力负荷预测中得到了广泛的

应用8人工神经网络中应用较多的是采用反向传

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余4页未读，立即下载

内容反馈

weixin_38718307

粉丝: 8
资源: 857

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip