计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2013年
11期
95-99,111
,共6页
电力负荷%预测精度%量子粒子群算法%变参数
電力負荷%預測精度%量子粒子群算法%變參數
전력부하%예측정도%양자입자군산법%변삼수
Power load%Forecasting accuracy%Quantum particle swarm optimization algorithm%Varying parameters
研究短期电力负荷预测问题,短期电力负荷具有时变性、不确定性、非线性等特点,传统的线性预测方法无法正确描述短期电力负荷准确预测的变化规律,且神经网络存在局部极小值、过拟合、泛化能力不强等缺陷,预测精度比较低.为了提高短期电力负荷预测精度,提出了一种变参数量子粒子群(VPQPSO)算法优化BP神经网络的短期负荷预测模型(VPQPSO-BPNN).首先变参数量子粒子群算法优化BP神经网络参数,然后采用优化的BP神经网络对短期电力负荷预测的非线性变化规律进行建模,最后采用对某地区短期电力负荷数据进行仿真.仿真结果表明,VPQPSO解决了BP神经网络存在的难题,提高了短期电力负荷的预测精度,减少了预测误差.
研究短期電力負荷預測問題,短期電力負荷具有時變性、不確定性、非線性等特點,傳統的線性預測方法無法正確描述短期電力負荷準確預測的變化規律,且神經網絡存在跼部極小值、過擬閤、汎化能力不彊等缺陷,預測精度比較低.為瞭提高短期電力負荷預測精度,提齣瞭一種變參數量子粒子群(VPQPSO)算法優化BP神經網絡的短期負荷預測模型(VPQPSO-BPNN).首先變參數量子粒子群算法優化BP神經網絡參數,然後採用優化的BP神經網絡對短期電力負荷預測的非線性變化規律進行建模,最後採用對某地區短期電力負荷數據進行倣真.倣真結果錶明,VPQPSO解決瞭BP神經網絡存在的難題,提高瞭短期電力負荷的預測精度,減少瞭預測誤差.
연구단기전력부하예측문제,단기전력부하구유시변성、불학정성、비선성등특점,전통적선성예측방법무법정학묘술단기전력부하준학예측적변화규률,차신경망락존재국부겁소치、과의합、범화능력불강등결함,예측정도비교저.위료제고단기전력부하예측정도,제출료일충변삼수양자입자군(VPQPSO)산법우화BP신경망락적단기부하예측모형(VPQPSO-BPNN).수선변삼수양자입자군산법우화BP신경망락삼수,연후채용우화적BP신경망락대단기전력부하예측적비선성변화규률진행건모,최후채용대모지구단기전력부하수거진행방진.방진결과표명,VPQPSO해결료BP신경망락존재적난제,제고료단기전력부하적예측정도,감소료예측오차.
