- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
改进的elman神经网络在电力系统短期负荷预测中的研究 - 电测与仪表
基于PSO-WPESN的短期电力负荷预测方法
周红标,王乐,,根旺淮阴工学院 自动化学院,江苏 淮安 223003摘要: 精确的短期电力负荷预测是电力生产优化调度和安全稳定运行的重要保证,是智能电网建设的重要一环。为提高模型的预测精度,提出了一种基于粒子群优化小波包回声状态神经网络的短期电力负荷预测方法。首先利用多分辨率小波包分解方法对负荷数据进行分解和重构,建立小波包回声状态网预测模型;然后,利用粒子群算法对预测模型储备池中的参数进行优化。实验结果表明:针对短期电力负荷动态时间序列数据,与BP、Elman、传统ESN等网络相比,PSO-WPESN网络的预测精度、稳定性和泛化能力都得到明显增强,尤其是能在一定程度上缓解由于输出矩阵过大造成ESN存在病态解的弊端。
关键词:小波包回声状态网电力负荷短期预测
中图分类号:TM715 文献标识码:A 文章编号:1001-1390(201)00-0000-00
Short-term power load forecasting method based on PSO-WPESN
Zhou Hongbiao, Wang Le, Bu Feng, Ying Genwang
(Faculty of Automation, Huaiyin Institute of Technology, Huai’an 223003, Jiangsu, China)
Abstract: Accurate short-term power load forecasting is an important guarantee for power production scheduling and safe and stable operation. It is also an important part in the construction of smart grid. In order to improve the prediction accuracy of the model, a new short-term power load forecasting method based on wavelet packet echo state network optimized by particle swarm optimization is proposed in this paper. Firstly, the load data is decomposed and reconstructed by wavelet packet method, and the prediction model of wavelet packet echo state network is established. Then, the prediction model parameters of dynamic neurons reservoir is optimized by particle swarm optimization algorithm. The experimental results show that the forecasting accuracy, stability and generalization ability of PSO-WPESN have been significantly enhanced, comparing with BP, Elman, traditional ESN, especially overcomes shortcomings caused by excessive output matrix.
Keywords: particle swarm, wavelet packet decomposition, echo state network, power load, short-term forecasting
0 引 言电力系统短期负荷预测主要是预测未来几小时、一天或几天的负荷,对机组优化组合、安全调度、故障检修和电网商业化运作具有重要的指导意义。由于电力负荷数据主要依赖于生产生活的规律性变化,并受气象、节假日等影响,往往是具有周期性、随机性等特点的复杂非线性时间序列。传统的负荷预测完全凭调度员主观判断,后来发展了时间序列法、回归分析法[12]。随着人工智能技术的发展,小波理论、神经网络、支持向量机等智能算法被引入短期电力负荷预测当中[3]。由于线性回归模型难以拟合非平稳负荷时间序列,前馈型BP神经网络又存在训练耗时长、易陷入局部解等缺陷,一些学者尝试建立反馈型神经网络预测模型,如Elman、回声状态神经网络等[4]。
回声状态神
您可能关注的文档
- 无机物离子对cus 微晶形态结构的有效调控.pdf
- 投资者通讯(2016 年7 月20 日) - 中国太平洋保险.pdf
- 详细计画内容.pdf
- 主题学习和稀疏表示的modis 图像超分辨率重建 - 遥感学报.pdf
- 投资收益与分配睿象 - 上海睿谷资产管理有限公司.ppt
- 降解 ctmabr组装介r微孔分子筛的实验研究 - 山东大学学报(理学版).pdf
- dl 型手动多路换向阀.pdf
- 无芯感应电炉熔炼灰铸铁的几个问题 - 中国铸造市场.pdf
- 确保更高转换效率的太阳能电池片镀膜系统 - meyer burger.pdf
- synchronous iteration同步迭代.ppt
- 拱桥计算(续).ppt
- 持续进展 - crown holdings.pdf
- 基于文化算法的符号网络全局不平衡度计算computing global .pdf
- 真空管道高速列车气动特性分析木 - 轨道交通安全技术研究中心_首页.pdf
- 论矿物元素在农作物中的综合平衡效应 - 贵州省地质环境监测院.doc
- 附件4-青岛大牧人机械股份有限公司技术难题及需求.doc
- 指南(guide) - ghg protocol.pdf
- 指标体系讲解 - 云南农业广播电视学校大理州分校(大理州农民 .ppt
- 基于键合图理论的犃犘1000核电站汽轮机系统建模及仿真 - 热力发电.pdf
- 持久的硅酮接缝密封胶与耐候产品 - 道康宁.ppt
文档评论(0)