论文部分内容阅读
负荷预测是电力规划的基础，传统的神经网络预测方法存在对初始网络权值设置敏感、收敛的速度慢、容易陷入局部极小值等缺点。文中引入遗传算法先对神经网络的初始值进行优化，再通过神经网络进行学习和训练，得出的结果再经Bagging方法集成，目的是提高其准确率。通过Matlab仿真进行实验，结果表明，基于Bagging算法集成遗传神经网络，能够克服传统BP神经网络的缺点，可较快收敛义小易陷入到局部极值中，具有较强的泛化能力，同时也大大提高了网络的预测精度。