一种小波神经网络的电力短期负荷模型研究

摘要：

为了提高电力短时负荷预测精度,提出一种基于小波神经网络的短期负荷预测模型.通过小波分析进行负荷序列分解,获得不同频率负荷分量规律;由粒子群算法进行粒子群适应度排序,提升算法收敛速度和收敛能力;为避免算法陷入局部收敛性,引入混沌理论来增强全局搜索能力.将改进的PSO-WNN短期负荷预测模型应用于实例验证中表明:PSO-WNN模型相较于传统WNN模型和PSO模型对电力短时负荷的预测精度分别提高了 3.16％和2.12％,预测效率提高了近一倍,算法能有效满足电力调度短时负荷预测的需求.

关键词：电力调度、负荷预测、PSO-WNN神经网络、混沌理论

所属期刊栏目：39

分类号：TP393(计算技术、计算机技术)

在线出版日期：2023-10-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：115-118