基于PSO-Elman神经网络的短期电力负荷预测
100 积分
50
评分
4.4 积分- 详情
- 2021-08-07
- 简介
pdf
- 620KB
- 页数 5P
- 阅读 75
- 下载 28
为了解决BP神经网络在短期电力负荷预测中存在局部极小、收敛速度慢等问题，本文采用粒子群算法（Particle Swarm Optimization，PSO）优化Elman动态神经网络进行精准预测。根据输入输出参数个数确定Elman神经网络结构，利用PSO算法优化网络的权值和阈值，并将优化后的最优个体赋给Elman动态神经网络作为初始权值、阈值进行网络训练，从而建立基于PSO-Elman的电力负荷预测模型。采用某钢厂实测电力数据对该方法和模型进行验证，并与传统的BP、Elman网络模型预测方法进行对比，结果表明该方法和模型在有效缩短网络收敛时间的同时，具备更高的负荷预测精度和稳定性。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于PSO-Elman神经网络的短期电力负荷预测 620KB
基于小波神经网络的电力负荷预测 411KB
基于Elman型神经网络的空调负荷预测模型 587KB
基于相似度与神经网络的协同短期负荷预测模型 277KB
基于人工神经网络的电力负荷预测算法研究 761KB
基于RBF神经网络模型的电力系统短期负荷预测 241KB
基于混沌理论和BP神经网络的某基地电力短期负荷预测 684KB
基于神经网络与混沌理论的电力系统短期负荷预测 424KB
基于BP人工神经网络的空调降温负荷预测 1.2MB
基于小波变换的神经网络空调负荷预测研究 629KB