电网技术

2009, v.33;No.310(17) 180-184

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于改进粒子群-径向基神经网络模型的短期电力负荷预测
Short-Term Load Forecasting Based on Modified Particle Swarm Optimization and Radial Basis Function Neural Network Model

师彪;李郁侠;于新花;闫旺;何常胜;孟欣;

摘要(Abstract):

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群–径向基神经网络算法。用改进的粒子群算法训练径向基神经网络,实现了径向基函数神经网络的参数优化。建立了短期电力负荷预测模型,综合考虑气象、天气、日期类型等影响负荷的因素进行短期负荷预测。算例结果表明,该算法优于径向基神经网络法和粒子群–径向基网络算法,克服了径向基网络和粒子群优化方法的缺点,改善了径向基神经网络的泛化能力,输出稳定,预测精度高,收敛速度快,平均百分比误差可控制在1.2%以内。

关键词(KeyWords): 负荷预测;改进粒子群–径向基神经网络模型;泛化能力;预测精度

Abstract:

Keywords:

基金项目(Foundation): 国家火炬计划创新基金(07C26213711606);; 陕西省自然科学基础研究计划基金(SJ08E220);; 山东省软科学基金(2007RKB188)

作者(Author): 师彪;李郁侠;于新花;闫旺;何常胜;孟欣;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享