电网技术
電網技術
전망기술
POWER SYSTEM TECHNOLOGY
2005年
3期
59-63
,共5页
蚁群优化算法%BP算法%递归神经网络%短期负荷预测%电力系统
蟻群優化算法%BP算法%遞歸神經網絡%短期負荷預測%電力繫統
의군우화산법%BP산법%체귀신경망락%단기부하예측%전력계통
为了克服BP算法收敛速度慢和易于陷入局部最小的不足,作者提出将蚁群优化算法用于短期负荷预测的递归神经网络模型学习算法,对实际负荷系统日、周预测的仿真测试表明,该模型能有效地提高短期负荷预测的精度,对工作日和休息日都具有良好的稳定性和适应能力,其预测性能明显优于基于BP算法的递归神经网络(BP-RNN)和基于遗传算法的递归神经网络(GA-RNN).
為瞭剋服BP算法收斂速度慢和易于陷入跼部最小的不足,作者提齣將蟻群優化算法用于短期負荷預測的遞歸神經網絡模型學習算法,對實際負荷繫統日、週預測的倣真測試錶明,該模型能有效地提高短期負荷預測的精度,對工作日和休息日都具有良好的穩定性和適應能力,其預測性能明顯優于基于BP算法的遞歸神經網絡(BP-RNN)和基于遺傳算法的遞歸神經網絡(GA-RNN).
위료극복BP산법수렴속도만화역우함입국부최소적불족,작자제출장의군우화산법용우단기부하예측적체귀신경망락모형학습산법,대실제부하계통일、주예측적방진측시표명,해모형능유효지제고단기부하예측적정도,대공작일화휴식일도구유량호적은정성화괄응능력,기예측성능명현우우기우BP산법적체귀신경망락(BP-RNN)화기우유전산법적체귀신경망락(GA-RNN).
