论文摘要
智能配电网环境下,负荷预测精度的高低影响着电网运行的安全性和经济性,为了提高负荷预测精度,提出了人工鱼群-反向传播算法（AFSA-BP）的电力负荷预测模型。传统BP算法由于输入神经元,隐层神经元和输出神经元之间的初始权值和阈值为随机获取,降低了算法的收敛速度和预测精度,采用AFSA算法对BP算法的初始权值和阈值进行全局寻优,获得最优的网络模型。在分析了电力系统负荷特性的基础上,采集历史负荷数据,天气和节假日信息,采用AFSA-BP算法建立短期负荷预测模型。为了验证该算法的准确性,分别采用BP、最小二乘-支持向量机（LS-SVM）、AFSA-BP算法对某省的电力负荷进行仿真实验,AFSA-BP算法的均方根误差（RMSE）为0.0862,而BP算法和LS-SVM算法的RMSE分别为0.2558和0.1522,结果验证了AFSA-BP算法适用于短期电力负荷预测。
论文目录
文章来源
类型: 期刊论文
作者: 张新阳,李辉,保富,欧阳文佳,张翔
关键词: 人工鱼,智能配电网,负荷预测
来源: 电子测量技术 2019年09期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 电力工业
单位: 云南电网有限责任公司信息中心,国网信通亿力科技有限责任公司
分类号: TM715
DOI: 10.19651/j.cnki.emt.1802386
页码: 121-124
总页数: 4
文件大小: 447K
下载量: 105