基于模糊灰色聚类AMPSO-BP短期负荷预测

作者：刘晓悦; 孙海鹤^*

来源：微电子学与计算机, 2019, 36(05): 70-75.

DOI：10.19304/j.cnki.issn1000-7180.2019.05.015

• 负荷预测
• 神经网络
• 模糊灰色聚类
• 自适应变异粒子群优化

相似日的准确选取是精准预测短期负荷关键,提出了一种模糊灰色聚类方法选取相似日.神经网络由于强大的非线性逼近能力、不需要建立数学模型等优势可以很好地完短期负荷预测.但是常用的神经网络也存在学习效率慢、容易陷入局部极小值的缺点.为改进传统神经网络的不足,提高预测精度,提出自适应变异粒子群优化算法(Particle Swarm Optimizition with Adaptive Mutation,AMPSO)优化BP神经网络参数.最后利用唐山市电网数据通过Matlab进行仿真,实验结果显示,所提的负荷预测方法有更好的预测准确性和稳定性.

• 单位
  华北理工大学