基于改进PSO-BP神经网络的短期电力负荷预测

摘要

短期电力负荷预测是保证电力系统安全经济运行的基础,其预测精度直接影响着电力系统的发展.传统的BP神经网络负荷预测模型,在训练的过程中存在易陷入极小值和收敛速度慢的问题,提出了粒子群算法改进BP神经网络负荷预测模型;针对粒子群算法因粒子早熟造成易陷入局部最优值的情况,该文引入蚁群算法改进粒子群算法(GPSO),并将改进的粒子群算法对BP神经网络的权值和阈值进行初始化,最后建立GPSO-BP-NN算法负荷预测模型,利用某地的历史数据进行训练仿真.对比传统的BP神经网络预测模型的电力负荷预测效果,仿真结果表明改进后的预测模型具有较高的预测精度.