改进SSA算法优化BP神经网络的电力负荷预测模型.docx

引言 近些年来,随着国家对绿色能源的倡导,生活越来越依靠电能。但由于电能难以大量储存,而负荷的需求也是实时变化的,因此,对于电力负荷的有效预测可以保障电网平稳、安全、经济地运行[1]。对此,国内外学者已经提出了诸多方案对电力负荷进行短期预测,张林等[2]利用正交小波对用电负荷序列进行分解,通过变种LSTM神经网络对各尺度负荷序列进行建模,有效地消除负荷数据的波动性。王剑锋等[3]提出了一种基于改进深度信念网络算法的负荷预测模型,提高了数据处理的效率。陈雪薇等[4]构建了基于迁移学习算法来预测新建建筑电力负荷的预测模型。关书怀等[5]建立了粒子群优化对RBF神经网络的负荷预测模型。冯忠义等[6]