10.3969/j.issn.1673-629X.2017.10.040
人工鱼群神经网络在短期负荷预测中的应用
由于电力负荷是电力系统发展的基础,提高电力负荷预测的准确性有利于电力系统的快速发展.Elman神经网络预测方法容易陷入局部解,且收敛速度慢,而人工鱼群算法具有较优的全局收敛能力及较快的寻优速度.为了提高短期电力负荷预测的精度,利用人工鱼群算法对Elman神经网络的初始权值和阈值进行了优化,提出并建立了一种新的人工鱼群神经网络短期负荷预测模型.以某市的历史负荷数据作为训练样本,将人工鱼群神经网络预测模型与传统Elman神经网络预测模型进行对比实验.实验结果表明,相对于传统Elman神经网络预测模型,人工鱼群神经网络模型的计算误差更小,预测精度更高,收敛速度更快,具有较好的短期电力负荷预测应用前景.
人工鱼群算法、Elman神经网络、短期负荷预测、预测精度
27
TP39(计算技术、计算机技术)
2015宁夏自然科学基金资助项目NZ15013;2016宁夏高校科学技术研究资助项目NGY2016014
2017-11-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
189-192,196