基于PSO的模糊神经网络短期负荷预测

被引：10

作者：

吴杰康 ^{[1
]}

陈明华 ^{[1
]}

陈国通 ^{[2
]}

机构：

[1] 广西大学电气工程学院

[2] 广西电网公司梧州供电局

来源：

电力系统及其自动化学报 | 2007年 / 01期

关键词：

短期负荷预测; 粒子群优化; 模糊优选神经网络;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

针对短期负荷预测的特点,提出基于粒子群(PSO)优化的模糊神经网络短期负荷预测模型。将PSO与模糊优选人工神经网络进行融合,在对模糊优选神经网络训练中采取PSO算法和梯度下降算法相结合的方法,充分发挥PSO全局寻优的能力和梯度下降局部细致搜索优势。对广西某地区进行短期负荷预测,并与实际值进行比较分析,结果表明这一模型应用于短期负荷预测能获得较高的预测精度,是一种行之有效的短期负荷预测方法。

引用

页码：63 / 67

页数：5

共 5 条

[1] 电力系统负荷预测研究综述与发展方向的探讨 [J].