论文摘要
针对短期负荷预测精度低、准确性差等问题,将猫群算法CSO和BP神经网络相结合用于短期负荷预测,模型的输入因子是负荷数据和气象信息等,利用猫群算法对BP神经网络的权值和阈值进行优化,得到BP神经网络预测模型的最优解,建立了短期预测模型。通过实例验证了预测模型的有效性和有效性,结果表明,改进模型能够有效降低BP神经网络模型的预测误差,提高预测精度,为我国电力系统短期负荷预测的发展提供了参考和借鉴。
论文目录
文章来源
类型: 期刊论文
作者: 王克杰,张瑞
关键词: 短期负荷预测,猫群算法,神经网络,预测模型
来源: 电测与仪表 2019年24期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 国网安徽省电力有限公司淮北供电公司
分类号: TM715;TP183
DOI: 10.19753/j.issn1001-1390.2019.024.019
页码: 115-121
总页数: 7
文件大小: 1161K
下载量: 773