改进神经网络算法的智能电网短期负荷预测

摘要：

为了提高短期电力负荷预测的精度,提出了一种考虑实时电价短期符合预测.首先,参考了多方面的因素比如节假日、温度等等建立了模型.其次,主成分分析主要运用了降低维数的原理,而且降低维数后的矩阵也包含了原矩阵的信息.再次,由于神经网络算法在运算过程中容易陷入局部极小点,这样就选择了运用遗传算法对其进行优化,去除其这个缺点.最后,通过Matlab仿真训练得到预测结果.实验说明,该方法利用神经网络的高度非线性的优点以及遗传算法对神经网络进行了优化和PCA降维原理得到最终预测结果.通过实验例证,该方法具有更高的负荷预测精度.

关键词：实时电价、主成分分析、遗传算法、BP神经网络、短期负荷预测

所属期刊栏目：22

分类号：TP183(自动化基础理论)

资助基金：哈尔滨市科技创新人才研究专项资金2013RFLXJ014

在线出版日期：2017-10-31（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：65-69