基于LM算法的BP神经网络的电力负荷短期预测  

Power System Short-Term Load Forecasting Based on Levenberg-Marquardt Algorithm BP Neural Network

作　　者：刘进波[1] 陈鑫[1] 李新花[1] 

机构地区：[1]长沙理工大学数学与计算科学学院,湖南长沙410004

出　　处：《经济数学》2015年第2期34-38,共5页Journal of Quantitative Economics

基　　金：国家自然科学基金项目(11271087);湖南省教育厅科研项目(13C1036);长沙理工大学教研项目(JG1317)

摘　　要：通过对BP神经网络输入负荷值的归一化处理,同时采用Levenberg-Marquardt(LM)算法,建立了一个改进了的BP神经网络,同时用它来对电力系统进行短期负荷预测.LM算法有效地提高了BP神经网络的收敛速度和负荷的预测精度.仿真结果表明,改进了的BP神经网络具有很高的预测精度和较强的适用能力.By utilizing the normalization for the input load values of BP neural network and adopting Levenberg-Mar- quardt algorithm, this paper established an improved BP neural network and investigated the power system short-term load forecasting. Levenberg-Marquardt algorithm improves the convergence speed and the load forecast accuracy. The simulation re- suits show that the improved BP neural network can offer higher forecast precision and has greater applicability.

关 键 词：BP神经网络 电力负荷预测 LM算法 

分 类 号：F224[经济管理—国民经济] TP183[自动化与计算机技术—控制理论与控制工程]