基于纵横交叉算法优化神经网络的负荷预测模型
为了解决传统 BP 神经网络对高频分量预测精度不高、泛化能力弱的缺点,提出了一种混合小波变换和纵横交叉算法(CSO)优化神经网络的短期负荷预测新方法。通过小波变换对负荷样本进行序列分解,对单支重构所得的负荷子序列采用纵横交叉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,新模型能掌握冲击毛刺的变化规律,有效提高含大量冲击负荷地区的负荷预测精度,且预测模型具有较强泛化能力。
小波变换、神经网络、纵横交叉算法、高频分量、负荷预测
44
TP1;I20
2016-05-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
102-106