摘要：针对短期负荷预测的精度问题,文中提出基于改进灰色关联与蝙蝠优化神经网络的短期负荷预测方法。在传统的灰色关联分析方法基础上,引入以距离相似性和形状相近性相关联的综合灰色关联度选取更高相似度的相似日。为缩小训练样本的差异程度,提高预测精度,利用相似日集合中的样本来训练蝙蝠优化的反向传播（BP）神经网络预测模型。以中国南方某城市的历史数据作为实际算例,将文中提出的基于改进灰色关联与蝙蝠优化神经网络的短期负荷预测方法与单纯的BP神经网络法、蝙蝠优化BP神经网络法、传统灰色关联与蝙蝠优化的BP神经网络组合法的预测结果相比,结果表明文中方法的预测精度较高。

关键词：负荷预测 神经网络 蝙蝠算法 灰色关联 相似日 

单位：东北电力大学信息工程学院; 吉林省吉林市132012; 国网江苏省电力有限公司信息通信分公司; 江苏省南京市221000; 国网吉林省电力有限公司辽源供电公司; 吉林省辽源市136200