10.3969/j.issn.1006-6519.2010.02.004
基于改进型遗传算法的混沌神经网络在电力负荷预测的应用
通过对陕西省省网历史负荷数据进行混沌特性分析,重构系统相空间,并计算最大Lyapunov指数,指出该时间序列具有混沌特性,从而采用混沌神经网络对该时间序列进行短期负荷预测.神经网络模型采用改进型遗传算法对权值和阈值进行学习和训练,优化神经网络权重,充分发挥遗传算法的全局寻优能力和神经网络的局部搜索性能.然后采用该网络进行预测,预测结果表明:该模型预测算法优于纯BP网络方法的预测结果,较大地提高了预测精度.
混沌、遗传算法、神经网络、负荷预测
23
TM715(输配电工程、电力网及电力系统)
2010-06-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
13-17