基于混合粒子群算法的短期负荷预测模型OA北大核心CSCDCSTPCD
Hybrid Optimization Method Based on Evolutionary Algorithm and Particle Swarm Optimization for Short-term Load Forecasting
由于电力负荷内在的非线性特性,传统基于梯度搜索的参数辨识技术可能陷入局部最优,影响了预测忖精度,故提出了混合进化和粒子群优化算法.将进化算法的基本思想引入粒子群优化算法,不但保持了粒子群算法结构简单、易于实现的特点,而且充分发挥了进化算法的全局搜索能力,可有效提高算法的精度和收敛速度.对上海地区电网进行短期负荷预测,与实际值相比较,结果表明,该算法具有较高的预测精度,是一种有效的短期预测方法.
王波;邰能灵;翟海青;叶剑;朱家栋;漆梁波
上海交通大学电气工程系,上海200240上海交通大学电气工程系,上海200240上海市电力公司调度通信中心,上海200035上海市电力公司调度通信中心,上海200035上海中心气象台,上海200030上海中心气象台,上海200030
信息技术与安全科学
外源自回归动平均进化算法粒子群优化短期负荷预测
《电力系统及其自动化学报》 2008 (3)
50-55,6
评论