动态调整蚁群-BP神经网络模型在短期负荷预测中的应用
为提高短期电力负荷预测精度,提出了动态调整人工蚁群算法(DAACS),对BP神经网络参数进行优化,建立了动态调整人工蚁群-BP神经网络组合算法(DAACS-BP)预测模型,综合考虑气象、天气、电价、日期类型等影响因素,对四川电网进行短期电力负荷预测.仿真表明,该方法克服了BP神经网络和人工蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,收敛速度快,输出稳定性好,提高了电网短期负荷预测的精度,可有效用于电力系统短期负荷预测.
水电工程、短期负荷预测、DAACS-BP网络算法、动态调整蚁群算法、BP神经网络
30
TV752;TM614(水能利用、水电站工程)
国家火炬计划基金07C26213711606;陕西省自然科学基础研究计划SJ08E220;山东省软科学基金2009RKB190;西安理工大学优秀博士学位论文和科学研究基金106-210912;106-210917
2011-09-29（万方平台首次上网日期，不代表论文的发表时间）
5-9,194
