基于PSO?BP神经网络的短期负荷预测算法

摘要：

提出一种短期负荷预测算法，用于解决对未来能耗周期能源使用的预测问题。首先介绍短期负荷特点，分析短期负荷运行规律，并采用零相滤波器对原始负荷曲线进行预处理，相除奇异点。其次，介绍BP神经网络基本结构，并针对BP神经网络容易陷入局部极小值的缺点，采用PSO算法确定网络训练初始权值。然后，设计一种基于PSO?BP神经网络的短期负荷预测算法，包括预滤波、训练样本集建立、神经网络输入/输出模式设计、神经网络结构确定等。最后，选择上海市武宁科技园区的电科商务大厦进行负荷预测，实验结果表明，与传统的BP神经网络相比，PSO?BP神经网络用于短期负荷预测算法的精度更高，预测负荷和实际负荷之间的平均绝对误差（MAE）小于1%。

关键词：短期负荷预测、BP神经网络、粒子群算法、零相滤波器

分类号：TN911?34;TM769

资助基金：上海市科委重点实验室建设基金支持12DZ2260300

在线出版日期：2013-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：155-158,162