【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第10期 145-150页,共7页

【作 者】： 杨廷志 ; 文小飞 ; 万俊 ; 李书

【摘 要】 在电力负荷准确预测问题的研究中，电力负荷具有周期性、随机性和非线性的特点，而传统方法存在负荷预测精度低的难题，为了提高负荷的预测精度，提出一种改进神经网络的短期负荷预测模型（CPSO－BPNN）。首先利用非线性预测能力强的BP神经网络对短期负荷建模；然后结合混沌粒子群优化算法挖掘短期负荷的变化规律以提高短期负荷预测精度；最后对模型性能进行仿真。仿真结果表明，CPSO－BPNN解决了传统方法存在的难题，提高了短期负荷的预测精度，为非线性负荷预测提供了依据。