購物車(0)
基于彈性網(wǎng)降維及花授粉算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測
關(guān)鍵詞：短期電力負(fù)荷預(yù)測 大數(shù)據(jù)變量選擇及降維 最小絕對值收縮及變量選擇 彈性網(wǎng) 花授粉算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)
摘要：電力負(fù)荷預(yù)測為電力系統(tǒng)規(guī)劃和運(yùn)行提供可靠的決策依據(jù)。隨著智能電網(wǎng)的全面發(fā)展,數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)(SCADA)獲取數(shù)據(jù)量增加,數(shù)據(jù)的結(jié)構(gòu)也更加復(fù)雜,負(fù)荷的頻繁變化以及地區(qū)性的氣象因素等都將影響負(fù)荷的預(yù)測的準(zhǔn)確性。提出一種彈性網(wǎng)(EN)進(jìn)行大數(shù)據(jù)降維以及花授粉算法(FPA)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測方法。首先采用彈性網(wǎng)對負(fù)荷和氣象等高維大數(shù)據(jù)進(jìn)行選擇和降維。彈性網(wǎng)通過在懲罰項(xiàng)中添加L1范數(shù)和L2范數(shù),兼具了最小絕對值收縮及變量選擇(LASSO)和嶺回歸的優(yōu)點(diǎn),克服了LASSO降維時(shí)因?yàn)閿?shù)據(jù)內(nèi)部存在共線性和群組效應(yīng)而影響降維效果的問題;然后,考慮到BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值容易受到初值的影響、收斂速度慢以及容易陷入局部最優(yōu),引入花授粉算法(FPA)優(yōu)化BP神經(jīng)網(wǎng)絡(luò),通過與粒子群算法(PSO)對比得出花授粉算法尋優(yōu)速度更快,效果更好。本文方法應(yīng)用于實(shí)際電力負(fù)荷預(yù)測,結(jié)果表明能有效提高預(yù)測精度。
儀器儀表學(xué)報(bào)雜志要求:
{1}注釋：將注釋按正文中出現(xiàn)的先后順序排列編號，用數(shù)字加圓圈標(biāo)注，并集中排列在正文后。
{2}來稿以未在國內(nèi)外正式發(fā)表為限。
{3}正文的層次標(biāo)題應(yīng)簡短明了，以15字為限，不用標(biāo)點(diǎn)符號，其層次的劃分及編號一律使用阿拉伯?dāng)?shù)字分級編號法。
{4}“題目”應(yīng)明晰（必要時(shí)可加副標(biāo)題），并附有200字左右以內(nèi)的“摘要”和3-5個(gè)“關(guān)鍵詞”。
{5}稿件研究內(nèi)容如獲得課題或基金資助，請注明其名稱及項(xiàng)目號。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
