10.3969/j.issn.1000-3886.2017.03.021
混合WPD和ACPSO的负荷预测模型
为了解决传统BP神经网络对负荷高频分量预测精度不高、泛化能力弱的缺点以及粒子群算法(PSO)在解决高维、多模复杂问题时容易陷入局部最优的问题,提出了一种混合小波包变换和自适应交叉粒子群算法(ACPSO)优化神经网络的短期负荷预测新方法.通过小波包变换对负荷样本进行多层序列分解,对单支重构所得的负荷子序列采用自适应交叉粒子群算法优化的神经网络进行预测.最后叠加各子序列的预测值,得出实际预测结果.通过实际电网负荷预测表明,新模型能充分掌握负荷波动的变化规律,有效提高负荷波动大的地区的预测精度,且预测模型具有较强泛化能力.
小波包分解、自适应交叉粒子群算法、高频分量、神经网络、负荷预测
39
TM761(输配电工程、电力网及电力系统)
2017-07-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
68-71