基于改进PSO-BP神经网络的短期电力负荷预测研究

摘要：

粒子群优化(PSO)算法是基于群智能的全局优化技术,它通过粒子间的相互作用,对解空间进行智能搜索,从而发现最优解.该文对基本粒子群算法进行改进,并将改进粒子群优化算法与误差反向传播(BP)算法结合起来构成的混合算法用于训练人工神经网络,对短期电力负荷进行预测.实践结果表明:改进PSO-BP算法有效地解决常规BP算法学习网络权值和阈值收敛速度慢、易陷入局部极小等问题,具有较快的收敛速度和较高的预测精度.

关键词：改进PSO-BP算法、短期电力负荷、预测

所属期刊栏目：35

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：江苏广播电视大学学术带头人培养工程项目

在线出版日期：2007-10-29（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：17-21