基于提升小波和改进PSO-Elman神经网络的短期负荷预测

作者：邹浩; 窦震海; 张博; 朱亚玲; 廖庆陵; 孙锴

来源：电测与仪表, 2020, 57(21): 119-125.

DOI：10.19753/j.issn1001-1390.2020.21.017

• 负荷预测
• 提升小波
• Elman神经网络
• 改进粒子群算法
• 蚁群算法
• 混沌理论

为了提高电力负荷预测的精度,提出基于提升小波和改进PSO-Elman神经网络的短期负荷预测模型。针对负荷的波动性和趋势性,将提升小波算法用于分解原始负荷数据并提取其主要特征,在蚁群算法改进粒子群算法中,采用混沌理论,对部分适应度值较差的粒子进行混沌扰动,提出CGPSO(Chaos Generalized Particle Swarm Optimization)算法,改善细致搜索的准确性,并提高全局搜索能力,将CGPSO算法用于Elman神经网络初始参数优化,最后建立负荷预测模型。文中采用我国北方某地区的实际数据进行仿真,实验结果表明,该方法的预测精度相比于传统ENN(Elman Neural Network)方法提高了2.362 6%。

• 单位
  山东理工大学; 电子工程学院