基于改进粒子群-模糊神经网络的短期电力负荷预测

摘要：

为了提高短期电力负荷预测精度,提出了改进的粒子群-模糊神经网络混合优化算法.用改进的粒子群训练神经网络,实现了模糊神经网络参数优化.建立了基于该优化算法的短期负荷预测模型,综合考虑气象、天气、日期类型等影响负荷的因素,利用贵州电网历史数据进行短期负荷预测.仿真表明,该方法的收敛速度和预测精度优于传统模糊神经网络法、BP神经网络法、粒子群-BP算法和粒子群-模糊神经网络方法,该优化算法克服了神经网络和粒子群优化方法的缺点,改善了模糊神经网络的泛化能力,提高了电网短期负荷预测的精度,各日预测负荷的平均百分比误差可控制在1.2%以内.该算法可有效用于电力系统的短期负荷预测.

关键词：短期负荷预测、MPSO-FNN算法、预测精度、模糊神经网络

所属期刊栏目：30

分类号：TM614(发电、发电厂)

资助基金：国家火炬计划基金07C26213711606;陕西省自然科学基础研究计划SJ08E220;山东省软科学基金2007RKB188

在线出版日期：2010-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：157-166