關鍵詞：短期電力負荷預測 大數據變量選擇及降維 最小絕對值收縮及變量選擇 彈性網 花授粉算法優化bp神經網絡 

摘要：電力負荷預測為電力系統規劃和運行提供可靠的決策依據。隨著智能電網的全面發展,數據采集與監視控制系統(SCADA)獲取數據量增加,數據的結構也更加復雜,負荷的頻繁變化以及地區性的氣象因素等都將影響負荷的預測的準確性。提出一種彈性網(EN)進行大數據降維以及花授粉算法(FPA)優化BP神經網絡的短期電力負荷預測方法。首先采用彈性網對負荷和氣象等高維大數據進行選擇和降維。彈性網通過在懲罰項中添加L1范數和L2范數,兼具了最小絕對值收縮及變量選擇(LASSO)和嶺回歸的優點,克服了LASSO降維時因為數據內部存在共線性和群組效應而影響降維效果的問題;然后,考慮到BP神經網絡權值和閾值容易受到初值的影響、收斂速度慢以及容易陷入局部最優,引入花授粉算法(FPA)優化BP神經網絡,通過與粒子群算法(PSO)對比得出花授粉算法尋優速度更快,效果更好。本文方法應用于實際電力負荷預測,結果表明能有效提高預測精度。

儀器儀表學報雜志要求:

{1}注釋：將注釋按正文中出現的先后順序排列編號，用數字加圓圈標注，并集中排列在正文后。

{2}來稿以未在國內外正式發表為限。

{3}正文的層次標題應簡短明了，以15字為限，不用標點符號，其層次的劃分及編號一律使用阿拉伯數字分級編號法。

{4}“題目”應明晰（必要時可加副標題），并附有200字左右以內的“摘要”和3-5個“關鍵詞”。

{5}稿件研究內容如獲得課題或基金資助，請注明其名稱及項目號。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社