论文部分内容阅读
电力系统负荷预测对电力系统的运行、控制和计划都有非常重要的影响,其预测精度直接影响到了电网及各发电厂的经济效益。应用神经网络进行电力负荷预测已经非常普遍。BP神经网络在应用中存在一些缺陷:BP算法收敛速度慢、易陷入局部极小值;确定神经网络结构费时费力,影响了模型的预测精度和适应性。本文提出了遗传禁忌混合算法,将该算法应用于训练神经网络,形成了遗传禁忌神经网络模型和改进的遗传禁忌神经网络模型。负荷预测试验表明,通过与标准的遗传算法和禁忌算法相比,遗传禁忌神经网络提高了预测精度,尤其是改进的遗传禁忌神经