期刊文章详细信息
基于改进PSO-BP神经网络的短期电力负荷预测研究
Study of short-term power load forecasting based on improved PSO-BP neural network model
文献类型：期刊文章
机构地区：[1]江苏常州市广播电视大学,江苏常州213001
基 金：江苏广播电视大学学术带头人培养工程资助项目
年 份：2007
卷 号：35
期 号：17
起止页码：17-21
语 种：中文
收录情况：BDHX、BDHX2004、CSCD、CSCD_E2011_2012、核心刊
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
分 类 号：TM715]
参考文献：
正在载入数据...
二级参考文献：
正在载入数据...
耦合文献：
正在载入数据...
引证文献：
正在载入数据...
二级引证文献：
正在载入数据...
同被引文献：
正在载入数据...
