应用共识PSO协同Trust-Tech方法的短期负荷预测

被引：11

作者：

张永峰 ^{[1
]}

崔凯 ^{[2
]}

机构：

[1] 天津大学电气自动化与信息工程学院

[2] 国网北京经济技术研究院

来源：

电力系统及其自动化学报 | 2017年 / 29卷 / 07期

关键词：

共识粒子群算法; 人工神经网络; 最优结构; 短期负荷预测;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

为了提高短期负荷预测的精度,基于共识粒子群算法协同Trust-Tech技术CPSOATT(consensus-based par-ticle swarm optimization-assisted trust-tech)的全局优化方法,该文提出一种新型神经网络预测器E-Elite。该预测器使用双层构架:底层使用CPSOATT方法设计一组具有不同最优结构的兼顾精度和多样性的子预测器;顶层选择子预测器作为隐含层神经元,设计基于神经网络结构的子预测器组合。顶层神经网络充分利用子预测器多样性和精度方面的性能优势,保证整体E-Elite预测器的高计算性能。最后使用E-Elite预测器对实际电力系统数据实现精确短期负荷预测,比较结果证明了该预测器的正确性和有效性。

引用

页码：7 / 12

页数：6

共 7 条

[1] 基于纵横交叉算法优化神经网络的负荷预测模型 [J].