标题：基于改进PSO-BP神经网络的短期电力负荷预测
作者：翟帅华 姜雲腾 李萍
作者单位：宁夏大学物理与电子电气工程学院，宁夏 银川 750021
关键字：明改进后的预测模型具有较高的预测精度。
摘要： 短期电力负荷预测是保证电力系统安全经济运行的基础，其预测精度直接影响着电力系统的发展。传统的BP神经网络负荷预测模型，在训练的过程中存在易陷入极小值和收敛速度慢的问题，提出了粒子群算法改进BP神经网络负荷预测模型；针对粒子群算法因粒子早熟造成易陷入局部最优值的情况，该文引入蚁群算法改进粒子群算法（GPSO），并将改进的粒子群算法对BP神经网络的权值和阈值进行初始化，最后建立GPSO-BP-NN算法负荷预测模型，利用某地的历史数据进行训练仿真。对比传统的BP神经网络预测模型的电力负荷预测效果，仿真结果表改进粒子群，BP神经网络，短期负荷预测，预测精度