基于串行式GA-BP的短期负荷预测方法

作者：张海; 李士心^*; 石军; 刘小钰; 王坤; 孙夏丽

来源：电力系统及其自动化学报, 2021, 33(04): 97-107.

DOI：10.19635/j.cnki.csu-epsa.000708

• 短期负荷预测
• 反向传播神经网络
• 遗传算法
• 串行式融合
• 关联分析

针对短期电力负荷预测问题,提出一种基于串行式遗传算法-反向传播神经网络模型的预测方法。首先,由关联分析法确定负荷主要影响因素。然后,确定反向传播神经网络1的输入量为负荷主要影响因素,输出量为相应负荷值,实现多因素回归预测。最后,将反向传播神经网络2串行式融入,并确定其训练数据集为反向传播神经网络1的预测值集,继而实现时间序列预测。两个反向传播神经网络在训练前均采用遗传算法进行初始权值阈值的优化,该方法实现了多因素回归预测与时间序列预测的融合。仿真结果表明,本文所提方法较其他同类型负荷预测方法具有更高的预测精度,可较好地应用于负荷预测工作。

• 单位
  河南省电力公司; 电子工程学院; 天津职业技术师范大学