改进GA-BPNN在短期电力负荷预测中的应用

摘要：

为了避免传统方法预测短期电力负荷建模复杂性,将改进遗传算法(GA)和误差反向传播(BP)算法相结合构成的混合算法用于训练人工神经网络,结合电力负荷历史数据,对短期电力负荷进行仿真预测.仿真结果表明,该混合算法有效地解决了常规BP算法学习网络权值收敛速度慢、易陷入局部极小和GA算法独立训练神经网络速度缓慢等问题,具有较快的收敛速度和较高的预测精度.

关键词：短期电力负荷、遗传算法、人工神经网络、反向传播、预测

所属期刊栏目：45

分类号：TP183;TM751(自动化基础理论)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 59732050;陕西省自然科学基金the NaturalScience Foundation of Shammi Province of China under Grant SJ08E103

在线出版日期：2009-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：223-226