论文部分内容阅读
分布式微电网随机波动性较强，表现出高度非绻性。神经网络鲁棒性强、具有记忆能力、非线性映射能力以及强大的自学习能力，广泛应用于负荷预测。而传统神经网络存在学习时间长、收敛速度慢、容易陷入局部极值等缺陷。因此提出用自适应变异粒子群优化算法（Parlicle Swarm Optimizition with Adaptive Mutation．AMPSO）结合Elman神经网络进行负荷预测，以提高预测精度。基于MATLAB利用获得的电网数据进行实验仿真，结果显示改进神经网络最大预测误差在2％以内，说明所提方法预测