10.3969/j.issn.1004-373X.2013.12.047
基于PSO?BP神经网络的短期负荷预测算法
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%。
短期负荷预测、BP神经网络、粒子群算法、零相滤波器
TN911?34;TM769
上海市科委重点实验室建设基金支持12DZ2260300
2013-06-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
155-158,162