应用神经网络进行短期负荷预测

摘要

以某地区购网有功功率的负荷数据为背景,建立了3个BP神经网络负荷预测模型--SDBP,LMBP及BRBP模型进行短期负荷预测工作,并对其结果进行比较.针对传统的BP算法具有训练速度慢,易陷入局部最小点的缺点,采用具有较快收敛速度及稳定性的L-M(Levenberg-Marquardt)优化算法进行预测,使平均相对误差有了很大改善,而采用贝叶斯正则化算法可以解决网络过度拟合,提高网络的推广能力.