改进鲸鱼优化算法的电力负荷短期预测模型

摘要

鲸鱼优化算法是一种新兴的智能优化算法,针对其全局搜索能力差,易陷入局部最优等问题,提出了对标准鲸鱼优化算法改进的办法,然后对BP神经网络进行优化,得到一种新型的电力负荷短期预测模型(LWOABP),并通过收集到的电力负荷数据数据对本文建立的预测模型进行训练验证。研究结果表明,改进后的鲸鱼优化算法的预测模型的平均误差为:0.0181,标准鲸鱼算法优化BP神经网络得到的预测模型平均误差为:0.0275,其中前者的最大误差为:0.0272。综上所述,在对传统鲸鱼算法优化后,对于全局搜索能力和收敛性能都有显著的改善;且本文建立的新型电力负荷短期预测模型不仅收敛速度更快,预测结果也更加准确。