• 设为首页
  • 加入收藏
  • 联系邮箱
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 历任主编
    • 期刊荣誉
  • 编委会
    • 社长及主编
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
  • English
站内检索    
 
李守茂,戚嘉兴,白星振,葛磊蛟,李涛.基于IPSO-WNN的综合能源系统短期负荷预测[J].电测与仪表,2020,57(9):103-109.
Li Shoumao,Qi Jiaxing,Bai Xingzhen,Ge Leijiao,Li Tao.A short term load prediction of integrated energy system based on IPSO-WNN[J].Electrical Measurement & Instrumentation,2020,57(9):103-109.
基于IPSO-WNN的综合能源系统短期负荷预测
A short term load prediction of integrated energy system based on IPSO-WNN
DOI:10.19753/j.issn1001-1390.2020.09.016
中文关键词:  负荷预测  综合能源系统  小波神经网络  粒子群算法  混沌搜索
英文关键词:load prediction, integrated energy system, wavelet neural network, particle swarm optimization, chaos search
基金项目:国家重点研发计划项目(No.2017YFB0903300);国家自然科学基金项目(No.51807134)
              
作者中文名作者英文名单位
李守茂Li Shoumao山东科技大学 电气与自动化工程学院
戚嘉兴Qi Jiaxing中国人民解放军32654部队
白星振Bai Xingzhen山东科技大学 电气与自动化工程学院
葛磊蛟Ge Leijiao天津大学智能电网教育部重点实验室
李涛Li Tao中国人民解放军32654部队
摘要点击次数: 2116
中文摘要:
      针对传统小波神经网络(WNN)综合能源系统负荷预测模型存在收敛速度慢、易陷入局部最优等缺点而导致预测精度不高的问题,文中提出了一种基于改进粒子群(IPSO)的WNN综合能源系统短期负荷预测方法。首先,利用Pearson系数对各影响因素进行分析,选择合适的因素作为综合能源负荷预测的输入量;其次,对传统粒子群算法进行改进,在PSO中引入混沌算法并根据粒子适应度采用不同的粒子惯性权重选择策略;然后基于IPSO建立了WNN综合能源系统短期负荷预测模型。最后,通过案例验证,基于IPSO的WNN预测模型相比于传统WNN预测模型,预测精度明显提升。
英文摘要:
      An IPSO-WNN method for short term load prediction of integrated energy system is proposed to solve the problem that the conventional WNN model has the disadvantages of slow convergence speed and easy to fall into local optimum, which leads to the low prediction accuracy. Firstly, the Pearson coefficient is used to analyze the influencing factors and select the appropriate factors as the input quantity of the prediction. Secondly, the traditional particle swarm optimization algorithm is improved. Chaos algorithm is introduced in PSO and different particle inertia weight selection strategies are adopted according to particle fitness, and then IPSO-WNN prediction model was established based on the improved particle swarm algorithm (IPSO) to realize load prediction of comprehensive energy system. Finally, compared with the traditional WNN prediction model, the ipso-based WNN prediction model has improved the prediction time and accuracy.
查看全文  查看/发表评论  下载PDF阅读器
关闭
  • 哈尔滨电工仪表研究所有限公司
  • 中国电工仪器仪表信息网
  • 中国仪器仪表学会
  • 中华人民共和国新闻出版总署
  • 中国科技期刊编辑学会
  • 黑龙江省科学技术协会
  • 编辑之家
  • 中国知网
  • 万方数据库
  • 维普网
  • 北极星电力网
  • 中华中控网
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 历任主编
    • 期刊荣誉
  • 编委会
    • 社长及主编
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
地址:哈尔滨市松北区创新路2000号    邮编:150028
邮箱:dcyb@vip.163.com    电话:0451-86611021;87186023
© 2012 电测与仪表    哈公网监备2301003445号
黑ICP备11006624号-1
技术支持:北京勤云科技发展有限公司