10.3969/j.issn.1000-3428.2017.10.046
基于遗传算法的BP神经网络在电力负载预测中的应用
为有效利用电力资源,改进电力供需结构,建立面向电力负载的短期预测模型.利用层次分析法,对负载预测的影响因素做权重筛选,优化输入参数.通过主成分分析法对样本数据进行线性组合,压缩数据,提高网络泛化能力.引入L-M算法完善反向传播(BP)算法,加快收敛速度.同时结合改进的遗传算法,自适应调整交叉变异概率,对BP神经网络的初始权重进行动态赋值.在真实数据集上的实验结果表明,相较于传统神经网络模型,提出的模型能够加快神经网络的收敛速度,同时提高预测精度,电力负载的实际值与预测值的相对误差小于3%.
神经网络、电力系统、负载预测、反向传播算法、自适应遗传算法
43
TP393(计算技术、计算机技术)
北京电力医院一体化运维监控与管理项目
2017-12-01(万方平台首次上网日期,不代表论文的发表时间)
共7页
277-282,288