文献类型：期刊文章

作　　者：张海[1] 李士心[1] 石军[2] 刘小钰[1] 王坤[1] 孙夏丽[1]

ZHANG Hai;LI Shixin;SHI Jun;LIU Xiaoyu;WANG Kun;SUN Xiali(College of Electronic Engineering,Tianjin University of Technology and Education,Tianjin 300222,China;Zhumadian Electric Power Company,State Grid Henan Electric Power Company,Zhumadian 463099,China)

机构地区：[1]天津职业技术师范大学电子工程学院,天津300222 [2]国家电网河南省电力公司驻马店供电公司,驻马店463099

出　　处：《电力系统及其自动化学报》

基　　金：天津市科技特派员资助项目(19JCTPJC54800);天津市研究生科研创新资助项目(2019YJSS194)。

年　　份：2021

卷　　号：33

期　　号：4

起止页码：97-101

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对短期电力负荷预测问题,提出一种基于串行式遗传算法-反向传播神经网络模型的预测方法。首先,由关联分析法确定负荷主要影响因素。然后,确定反向传播神经网络1的输入量为负荷主要影响因素,输出量为相应负荷值,实现多因素回归预测。最后,将反向传播神经网络2串行式融入,并确定其训练数据集为反向传播神经网络1的预测值集,继而实现时间序列预测。两个反向传播神经网络在训练前均采用遗传算法进行初始权值阈值的优化,该方法实现了多因素回归预测与时间序列预测的融合。仿真结果表明,本文所提方法较其他同类型负荷预测方法具有更高的预测精度,可较好地应用于负荷预测工作。

关 键 词：短期负荷预测 反向传播神经网络 遗传算法 串行式融合  关联分析  

分 类 号：TM715]