典型文献
改进鲸鱼优化算法的电力负荷短期预测模型
文献摘要：
鲸鱼优化算法是一种新兴的智能优化算法,针对其全局搜索能力差,易陷入局部最优等问题,提出了对标准鲸鱼优化算法改进的办法,然后对BP神经网络进行优化,得到一种新型的电力负荷短期预测模型(LWOABP),并通过收集到的电力负荷数据数据对本文建立的预测模型进行训练验证.研究结果表明,改进后的鲸鱼优化算法的预测模型的平均误差为:0.0181,标准鲸鱼算法优化BP神经网络得到的预测模型平均误差为:0.0275,其中前者的最大误差为:0.0272.综上所述,在对传统鲸鱼算法优化后,对于全局搜索能力和收敛性能都有显著的改善;且本文建立的新型电力负荷短期预测模型不仅收敛速度更快,预测结果也更加准确.
文献关键词：
鲸鱼优化算法;BP神经网络;收敛性能;短期负荷预测
中图分类号：
作者姓名：
巴艳坤;郭松林
作者机构：
黑龙江科技大学电气与控制工程学院,黑龙江哈尔滨,150022
文献出处：
引用格式：
[1]巴艳坤;郭松林-.改进鲸鱼优化算法的电力负荷短期预测模型)[J].电子测试,2022(20):45-48,31
A类：
LWOABP
B类：
改进鲸鱼优化算法,电力负荷,短期预测,智能优化算法,全局搜索,搜索能力,局部最优,优等,算法改进,负荷数据,平均误差,鲸鱼算法,算法优化,模型平均,最大误差,综上所述,收敛性能,收敛速度,短期负荷预测
AB值：
0.230908
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
