[发明专利]基于粒子群和BP神经网络的短期电力负荷预测方法

摘要

本发明公开了一种基于粒子群和BP神经网络的短期电力负荷预测方法，包括：初始化粒子群种群规模、粒子的位置和速度、速度最大值；计算上述粒子群中各粒子的适应值；判断上述计算的粒子适应值是否大于个体历史最优适应值，判断上述计算的粒子适应值是否大于种群历史最优适应值，更新粒子的位置和速度：判断是否满足终止条件：输出结果：根据优化的网络结构进行短期电力负荷预测。实现减少短期电力负荷预测的误差的目的。从而降低了电网的运行成本。

主权项

一种基于粒子群和BP神经网络的短期电力负荷预测方法，其特征在于，包括以下步骤：步骤1、初始化粒子群种群规模、粒子的位置X_i和速度V_i、速度最大值v_max；步骤2、计算上述粒子群中各粒子的适应值；步骤3、判断上述计算的粒子适应值是否大于个体历史最优适应值，如果大于个体历史最优适应值，则更新个体历史最优值并记录最优位置；步骤4、判断上述计算的粒子适应值是否大于种群历史最优适应值，如果大于种群历史最优适应值，则更新种群历史最优值并记录最优位置；步骤5、更新粒子的位置和速度：更新粒子群中粒子的速度，且所有粒子的速度都不大于v_max；步骤6、判断是否满足终止条件：如果满足终止条件，则停止运算输出优化结果；如不满足，则返回到第2步运算；步骤7、输出结果：得出优化后的权值和阈值，即对网络训练的结果，以及优化后的节点连接状态矩阵，隐含层最优节点数，完成网络结构优化；步骤8、根据上述步骤7优化的网络结构进行短期电力负荷预测。