电网技术

2010, v.34;No.314(01) 98-106

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

自适应变系数粒子群和径向基神经网络在短期电价预测中的应用(英文)
Short-Term Electricity Price Forecast Model Based on Adaptive Variable Coefficients Particle Swarm Optimizer and Radial Basis Function Neural Network Hybrid Algorithm

师彪;李郁侠;于新花;闫旺;李娜;孟欣;

摘要(Abstract):

分析了传统的粒子群优化(particle swarm optimization,PSO)算法和径向基(radial basis function,RBF)神经网络的优缺点,提出一种自适应变系数粒子群优化算法(adaptive variable coefficients particle swarm optimizer,AVCPSO)。该算法与RBF神经网络结合形成自适应变系数粒子群-径向基(AVCPSO-RBF)神经网络混合优化算法。基于此优化算法,建立了短期电价预测模型,并利用贵州电网历史数据进行短期电价预测。仿真计算结果表明,AVCPSO-RBF混合优化算法在短期电价预测中优于传统RBF神经网络法和PSO-RBF神经网络方法,克服了上述2种方法的缺点,改善了RBF神经网络的泛化能力,具有输出稳定性好、预测精度高、收敛速度快等特点,使用该方法得到的各日预测电价的平均百分比误差可控制在2%以内,平均绝对误差最大值为1.652RMB/MW·h。

关键词(KeyWords): 电价预测;粒子群优化算法;径向基神经网络;混合优化算法;泛化能力

Abstract:

Keywords:

基金项目(Foundation): Supported by National Torch Program(07C26213711606)~~

作者(Author): 师彪;李郁侠;于新花;闫旺;李娜;孟欣;

Email:

DOI: 10.13335/j.1000-3673.pst.2010.01.036

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