基于多因素粒子群—神经网络算法的短期电价预测被引量：1

下载PDF

导出

摘要本文提出在神经网络训练中引入基于全局随机优化思想的粒子群优化(PSO)算法,先利用PSO优化BP神经网络的初始权值,然后采用神经网络完成给定精度的学习,建立了粒子群-BP神经网络模型。对美国PJM电力市场的实际电价(LMP)进行预测,与传统BP神经网络相比,该方法收敛速度快、所需历史数据少、预报精度高,验证了该方法的有效性和可行性。

作者张宝芳李晓东

机构地区广西水利电力职业技术学院

出处《科技信息》 2009年第24期182-182,共1页 Science & Technology Information

关键词电力市场电价预测粒子群算法 BP神经网络

分类号 TP183 [自动化与计算机技术—控制理论与控制工程] TM715 [自动化与计算机技术—控制科学与工程]

引文网络
相关文献

参考文献4

1黄健柏,周赛美,邵留国.电价预测模型发展及综述[J].电力系统保护与控制,2008,36(19):81-84. 被引量：4
2李娜,李郁侠.基于粒子群-BP神经网络算法的电价预测[J].武汉大学学报（工学版）,2008,41(4):102-105. 被引量：12
3苏娟,杜松怀,李才华.基于多因素小波分析的神经网络短期现货电价预测方法[J].电力自动化设备,2007,27(11):26-29. 被引量：12
4林志玲,朱立忠,张大鹏,高立群.基于粒子群广义神经网络的系统边际价格预测方法[J].电网技术,2007,31(1):79-83. 被引量：6

二级参考文献41

1魏平,李均利,陈刚,张永吉.基于小波分解的改进神经网络MCP预测方法及应用[J].电力系统自动化,2004,28(11):17-21. 被引量：40
2张步涵,刘小华,万建平,刘沛,程时杰.基于混沌时间序列的负荷预测及其关键问题分析[J].电网技术,2004,28(13):32-35. 被引量：46
3潘峰,程浩忠,杨镜非,张澄,潘震东.基于支持向量机的电力系统短期负荷预测[J].电网技术,2004,28(21):39-42. 被引量：51
4李爱国.多粒子群协同优化算法[J].复旦学报（自然科学版）,2004,43(5):923-925. 被引量：398
5周明,聂艳丽,李庚银,倪以信.基于小波分析的短期电价ARIMA预测方法[J].电网技术,2005,29(9):50-55. 被引量：49
6张显,王锡凡,陈芳华,叶斌,陈皓勇.分时段短期电价预测[J].中国电机工程学报,2005,25(15):1-6. 被引量：60
7李郁侠,赵军科,段凌剑,高福荣.混沌理论和快速BP神经网络在边际电价预测中的应用[J].武汉大学学报（工学版）,2005,38(6):77-81. 被引量：8
8张显,王锡凡.短期电价预测综述[J].电力系统自动化,2006,30(3):92-101. 被引量：74
9李郁侠,石晓俊,赵军科,段凌剑,高福荣.基于相似搜索和神经网络的日前市场边际电价预测[J].水力发电学报,2006,25(1):6-9. 被引量：8
10彭春华.电力市场短期边际电价的分时重构混沌相空间预测[J].中国电机工程学报,2005,25(23):80-85. 被引量：23

共引文献30

1李文良,卫志农,孙国强,完整,缪伟.基于改进空间相关法和径向基神经网络的风电场短期风速分时预测模型[J].电力自动化设备,2009,29(6):89-92. 被引量：55
2李娜,李郁侠,王丽霞,杨亚刚.电价与负荷的相关性分析及其在电价预测中的应用[J].武汉大学学报（工学版）,2009,42(4):487-490. 被引量：1
3刘振宗,吴颖超.电力市场短期电价预测方法综述[J].中国电力教育（下）,2009(10):254-256. 被引量：1
4王义民,方卫民,席秋义,黄强.基于LS-SVM和PSO相结合的电力负荷预测研究[J].水力发电学报,2010,29(4):245-250. 被引量：9
5杨晓峰,罗安,彭楚武,吴敬兵,杨翠翠,马伏军,常亮亮.基于神经网络学习算法和粒子群算法的改进PID控制在高压静止无功补偿器中的应用[J].电网技术,2011,35(6):65-70. 被引量：15
6肖霖,张婧,曾鸣,董军.基于小波分解和相同尺度序列的神经网络短期电价预测[J].电力需求侧管理,2011,13(4):19-22. 被引量：2
7刘达,乔欢欢.电力市场中的电价预测综述[J].陕西电力,2011,39(8):27-32. 被引量：3
8曾艳,黎杰清,姚伊迪,吴瑞绵.基于小波神经网络的燃气系统短期负荷预测[J].贵州师范大学学报（自然科学版）,2011,29(4):69-72. 被引量：3
9林盛,叶馨,刘金培.基于多因素小波回归分析的国际原油价格分析与预测[J].西安电子科技大学学报（社会科学版）,2011,21(6):55-62. 被引量：2
10亢娅丽,张宗益,郭兴磊.基于Copula方法的电力市场组合风险分析[J].电力系统保护与控制,2012,40(6):50-56. 被引量：4

同被引文献1

1宋晓华,李彦斌,韩金山,牛达.对传神经网络算法的改进及其应用[J].中南大学学报（自然科学版）,2008,39(5):1059-1063. 被引量：8

引证文献1

1周庆平.基于粗糙集改进的BP神经网络算法研究[J].现代工业经济和信息化,2015,5(5):87-88.

1李娜,李郁侠.基于粒子群-BP神经网络算法的电价预测[J].武汉大学学报（工学版）,2008,41(4):102-105. 被引量：12
2王越,曾晶,董丽梅,张权.基于粒子群的BP神经网络算法在猪等级评定中的应用[J].重庆理工大学学报（自然科学）,2013,27(1):37-41. 被引量：6
3刘多学.自组织映射神经网络电价预测方法[J].湖南水利水电,2006(3):37-39.
4黄羹墙,杨俊杰.基于BP神经网络与马尔可夫链的短期电价预测[J].上海电力学院学报,2017,33(1):1-3. 被引量：11
5陈建华,周浩.基于小脑模型关节控制器神经网络的短期电价预测[J].电网技术,2003,27(8):16-20. 被引量：28
6陶雪峰,谭伦农.基于最优组合的短期电价预测研究[J].科学技术与工程,2008,8(14):3917-3920. 被引量：1
7蔡金錠,付中云.粒子群-神经网络混合算法在三相整流电路故障诊断中的应用[J].电工电能新技术,2006,25(4):23-26. 被引量：15
8翟鸿雁,曾晋明,曾纪霞.基于支持向量机的电力市场价格预测中的核函数比较[J].计算技术与自动化,2011,30(2):30-33. 被引量：2
9杨守春.锂电池的开发及实用化[J].现代材料动态,2003(8):7-8.
10董红斌,逄锦伟,韩启龙.一种灰色极限学习机预测方法[J].计算机科学,2015,42(5):78-81. 被引量：9

科技信息

2009年第24期

浏览历史

内容加载中请稍等...

基于多因素粒子群—神经网络算法的短期电价预测被引量：1

参考文献4

二级参考文献41

共引文献30

同被引文献1

引证文献1

相关作者

相关机构

相关主题

浏览历史

基于多因素粒子群—神经网络算法的短期电价预测 被引量：1

参考文献4

二级参考文献41

共引文献30

同被引文献1

引证文献1

相关作者

相关机构

相关主题

浏览历史

基于多因素粒子群—神经网络算法的短期电价预测被引量：1