换一批基于遗传算法的BP神经网络在电力负载预测中的应用
Application of BP Neural Network Based on Genetic Algorithm in Power Load Forecasting
摘要为有效利用电力资源,改进电力供需结构,建立面向电力负载的短期预测模型.利用层次分析法,对负载预测的影响因素做权重筛选,优化输入参数.通过主成分分析法对样本数据进行线性组合,压缩数据,提高网络泛化能力.引入L-M算法完善反向传播(BP)算法,加快收敛速度.同时结合改进的遗传算法,自适应调整交叉变异概率,对BP神经网络的初始权重进行动态赋值.在真实数据集上的实验结果表明,相较于传统神经网络模型,提出的模型能够加快神经网络的收敛速度,同时提高预测精度,电力负载的实际值与预测值的相对误差小于3％.
更多相关知识
关键词
神经网络电力系统负载预测反向传播算法自适应遗传算法neural networkelectric power systemload forecastingBack Propagation (BP) algorithmadaptive genetic algorithm
分类号
TP393
栏目名称
DOI
10.3969/j.issn.1000-3428.2017.10.046
发布时间
2017-12-01（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览2
- 被引31
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
