基于粒子群神经网络的负荷预测方法研究.pdfVIP

学兔兔 第50卷 总第567期 电测与仪表 VO1．5O No．567 2013年 第3期 Electrical Measurement＆ Instrumentation Mar．2013 基于粒子群神经网络的负荷预测方法研究 吴凯，周西峰，郭前岗 (南京邮电大学 自动化学院，南京210046) 摘要：为了提高短期电力负荷预、狈0的精度，提出了一种改进的粒子群算法和BP神经网络相结合的预测模型。 综合考虑天气、温度等因素的影响建立了短期电力负荷预测模型，利用改进的粒子群算法对模型的初始参数进 行优化，之后采用LM学习算法对优化后的网络进行训练。仿真结果表明，该预测模型的预测精度优于BP神 经网络和PSO—BP神经网络，克服了BP神经网络和粒子群优化方法的缺陷，改善了BP神经网络的泛化能力， 为短期负荷预测提供了一种有效的方法。 关键词：粒子群算法；神经网络；负荷预测 中图分类号：TM715 文献标识码：A 文章编号：1001—1390(2013)03—0029—04 Study of Load Forecasting Method Based on Particle Swarm Optimization Neural Network WU Kai，ZHOU Xi—feng，GUO Qian-gang (College of automation，Nanjing University of Posts and Telecommunications，Nanjing 210046，China) Abstract：In order to improve the accuracy of short—term power load forecasting，a forecasting model combined with modified particle swarm optimization and BP neural network was proposed．Considering the weather conditions，ten- perature and other factors，we establish the short-term power load forecasting model，optimize it by the modified parti- cle swarm optimization and then train the optimized network by LM learning algorithm．The simulation results show that the prediction accuracy of the model which overcome the defects of the BP neural network and PSO—BP neural net— work，and improve the generalization ability of BP neural network was better than BP neural network and PSO—BP neu- ral network．Therefore，the model can be used effectively to forecast the short term load． Key words：particle swarm optimization，neural network，load forecasting 0 引 言 点。本文通过对粒子群算法进行改进，提出了一种 电力系统的任务是给广大用户不断地提供可靠 改进的粒子群算法优化BP神经网络初始参数的预 的电能，满足各类用户的负荷要求，通过准确的负荷