-
题名基于混合粒子群算法的短期负荷预测模型
被引量：14
- 1
-
-
作者
王波
邰能灵
翟海青
叶剑
朱家栋
漆梁波
-
机构
上海交通大学电气工程系
上海市电力公司调度通信中心
上海中心气象台
-
出处
《电力系统及其自动化学报》
CSCD
北大核心
2008年第3期50-55,共6页
-
文摘
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。
-
关键词
外源自回归动平均
进化算法
粒子群优化
短期负荷预测
-
Keywords
auto-regressive and moving average with exogenous variables （armax）
evolution algorithm
particle swarm optimization （PSO）
short-term load forecast （STLF）
-
分类号
TM714
[电气工程—电力系统及自动化]
-
-
题名混沌粒子群优化算法在短期负荷预测中的应用
被引量：3
- 2
-
-
作者
王波
徐泽柱
高松波
-
机构
宁波出入境检验检疫局电气安全中心重点实验室
-
出处
《水电能源科学》
北大核心
2009年第2期208-211,共4页
-
文摘
针对短期负荷预测受气象因素影响大、传统参数辨识方法易陷入局部最优导致预测精度不高,采用外源自回归动平均(ARMAX)时间序列模型和混沌惯性权值粒子群优化算法进行模型识别。算例表明,该算法在短期负荷预测中预测精度较高,可供类似工程借鉴。
-
关键词
armax模型
混沌
粒子群优化
短期负荷预测
-
Keywords
auto-regressive and moving average with exogenous variables （armax）
chaotic
particle swarm optimization
short-term load forecast （STLF）
-
分类号
TM714
[电气工程—电力系统及自动化]
-
