基于遗传模拟退火算法改进BP神经网络的中长期电力负荷预测

作者：徐扬; 张紫涛

来源：电气技术, 2021, 22(09): 70-76.

• 负荷预测
• 遗传算法
• 模拟退火
• BP神经网络

针对目前中长期负荷预测方法中存在过拟合、预测精度和效率较低等问题,本文提出一种基于遗传模拟退火算法(GSA)改进BP神经网络的中长期电力负荷预测模型,即BP-GSA模型。首先建立标准三层神经网络,即输入层、隐藏层和输出层,选择国民生产总值、第二产业生产总值、市区常驻人口及月平均温度四个影响因子作为输入变量,月度负荷为输出变量。其次利用遗传模拟退火算法不断修正网络节点连接权值,以最优适应度为标准,确定最优网络节点连接权值分布。最后,代入权值最优解,通过训练样本数据,获取最小方均差预测模型。分别应用本文提出的BP-GSA模型及其他四种传统方法,对某市2020年月度负荷进行预测。误差分析表明,BP-GSA模型预测精度最高。随后将BP-GSA模型分别应用于不同年份的月度负荷预测,预测结果表明其误差稳定,证明了模型的鲁棒性。

• 单位
  河海大学; 电气学院