电网技术

2005, (03) 59-63

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于蚁群优化算法递归神经网络的短期负荷预测
SHORT-TERM LOAD FORECASTING BASED ON RECURRENT NEURAL NETWORK USING ANT COLONY OPTIMIZATION ALGORITHM

邹政达,孙雅明,张智晟

摘要(Abstract):

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)。

关键词(KeyWords): 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

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 邹政达,孙雅明,张智晟

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享