湖北工业大学学报2020，Vol.35Issue(1) ：38-42.

基于改进磷虾群算法优化ESN的短期负荷预测

Short-term Load Forecasting of Echo State Network based on Improved Krill Herd Algorithm

陈馨凝 刘辉 刘雨薇 邹琪骁 李侯君
湖北工业大学学报2020，Vol.35Issue(1) ：38-42.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于改进磷虾群算法优化ESN的短期负荷预测

Short-term Load Forecasting of Echo State Network based on Improved Krill Herd Algorithm

陈馨凝 1刘辉 1刘雨薇 1邹琪骁 1李侯君1
扫码查看

作者信息

  • 1. 湖北工业大学电气与电子工程学院,湖北武汉430068
  • 折叠

摘要

为提高负荷预测的精确度,本文提出了一种基于改进磷虾群算法优化ESN神经网络的负荷预测模型.首先采用核主成分分析法对河南某地区的实际电力负荷数据进行优选,再使用IKH-ESN模型对优选后的数据进行预测.同时建立传统BP、传统ESN、PSO-BP三种模型进行预测并对比分析.仿真结果证明本文所提出模型有效地克服了传统模型易陷入局部最小等问题,对于负荷预测更具有准确性与有效性.

关键词

短期负荷预测/回声状态网络/改进磷虾群算法

引用本文复制引用

基金项目

国家自然科学基金(41601394)

出版年

2020
湖北工业大学学报
湖北工业大学

湖北工业大学学报

CHSSCD
影响因子：0.258
ISSN：1003-4684
被引量1
参考文献量9
段落导航相关论文