论文部分内容阅读
为了解决BP神经网络在短期电力负荷预测中存在局部极小、收敛速度慢等问题，本文采用粒子群算法（Particle Swarm Optimization，PSO）优化Elman动态神经网络进行精准预测。根据输入输出参数个数确定Elman神经网络结构，利用PSO算法优化网络的权值和阈值，并将优化后的最优个体赋给Elman动态神经网络作为初始权值、阈值进行网络训练，从而建立基于PSO-Elman的电力负荷预测模型。采用某钢厂实测电力数据对该方法和模型进行验证，并与传统的BP、Elman网络模型预测方法进行对比，结果