基于改进双向GABP神经网络的电力负荷缺失数据补全方法

摘要：

电力负荷数据是进行负荷预测的基础,常因传感和存储等原因导致数据缺失.针对电力负荷数据的缺失问题,提出一种基于改进双向遗传BP神经网络(genetic algorithm back propagation network,GABP)的电力负荷缺失数据补全方法.首先对遗传算法进行改进,提高算法在进化中对种群中优良个体的保存能力.然后将改进的遗传算法引入到对BP神经网络的阈值与权值优化中,建立GABP算法模型.在此基础上,针对单一方向的数据补全存在波峰或波谷的处理问题,提出双向GABP方法,分别从两个方向进行数据补全,并进行加权,增加数据补全的精确性.采用三种不同行业的负荷数据进行实例分析.结果表明,采用双向GABP补全方法能够准确挖掘缺失数据,避免缺失点处于波峰、波谷导致的误差,能够应用到电力系统的负荷数据预处理中.

关键词：遗传算法、BP神经网络、预测、预处理、电力负荷、数据缺失

所属期刊栏目：44

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2022-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：41-45