科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决现有的电力负荷预测方法存在准确率低、效率不高和精度不足等问题，笔者提出基于GRASSA-BP神经网络的电力负荷预测方法。首先利用灰色关联度分析确定电力负荷与温度、压力、湿度和压强之间的关联程度，再利用麻雀搜索算法优化BP神经网络中的权重值和偏置值，解决BP神经网络预测准确度不高的问题。实验结果表明，基于GRA-SSA-BP神经网络的电力负荷预测结果与实测值基本吻合，预测效果理想，决定系数达到0.945，为电力负荷预测提供一种有效的方法。
- 单位
为了解决现有的电力负荷预测方法存在准确率低、效率不高和精度不足等问题，笔者提出基于GRASSA-BP神经网络的电力负荷预测方法。首先利用灰色关联度分析确定电力负荷与温度、压力、湿度和压强之间的关联程度，再利用麻雀搜索算法优化BP神经网络中的权重值和偏置值，解决BP神经网络预测准确度不高的问题。实验结果表明，基于GRA-SSA-BP神经网络的电力负荷预测结果与实测值基本吻合，预测效果理想，决定系数达到0.945，为电力负荷预测提供一种有效的方法。
