基于GAD-BP神经网络的短期负荷预测

作者：张丹丹; 胡钢; 卢静; 尹晓东; 任其文

来源：电子测量技术, 2019, 42(24): 143-147.

DOI：10.19651/j.cnki.emt.1903158

• 短期负荷预测
• GAD-BP神经网络
• 遗传算法
• LM算法
• Adagrad算法

短期负荷的精准预测可以提高配网运行的安全性、可靠性、经济性,虽然BP神经网络在数据训练和关联记忆方面具有良好应用效果,但其在短期电负荷预测领域存在局部最优解和收敛速度慢的不足。因此,提出了一种改进的BP神经网络算法,首先构建一个全局化加速BP(globally accelerated BP,GAD-BP)神经网络模型,在模型参数预训练过程中,采用遗传算法全局寻优,通过LM算法优化初始权值。其次结合Adagrad方法逐参数除以迭代历史梯度平方根和来动态调节学习率,使其更快收敛于最优解。最后将GAD-BP与St-BP、LSTM进行仿真对比,结果表明,GAD-BP神经网络模型计算时间短,且预测精度达到了0.981 2×10-3。

• 单位
  山东电力工程咨询院有限公司; 河海大学