论文摘要
短期负荷的精准预测可以提高配网运行的安全性、可靠性、经济性,虽然BP神经网络在数据训练和关联记忆方面具有良好应用效果,但其在短期电负荷预测领域存在局部最优解和收敛速度慢的不足。因此,提出了一种改进的BP神经网络算法,首先构建一个全局化加速BP（globally accelerated BP,GAD-BP）神经网络模型,在模型参数预训练过程中,采用遗传算法全局寻优,通过LM算法优化初始权值。其次结合Adagrad方法逐参数除以迭代历史梯度平方根和来动态调节学习率,使其更快收敛于最优解。最后将GAD-BP与St-BP、LSTM进行仿真对比,结果表明,GAD-BP神经网络模型计算时间短,且预测精度达到了0.981 2×10-3。
论文目录
文章来源
类型: 期刊论文
作者: 张丹丹,胡钢,卢静,尹晓东,任其文
关键词: 短期负荷预测,神经网络,遗传算法,算法
来源: 电子测量技术 2019年24期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 电力工业,自动化技术
单位: 河海大学物联网工程学院,山东电力工程咨询院有限公司
分类号: TM715;TP183
DOI: 10.19651/j.cnki.emt.1903158
页码: 143-147
总页数: 5
文件大小: 1822K
下载量: 328