10.3321/j.issn:1000-1026.2003.04.007
基于GN-BFGS算法的RBF神经网络短期负荷预测
提出了应用混合GN(Gauss-Newton)-BFGS(Broyden-Fletcher-Goldfarb-Shanno)法进行RBF(径向基函数)神经网络学习的算法.这种方法结合GN法与BFGS法的特点,既尽可能地利用了问题本身的特殊结构,又能取得超线性甚至二次渐近收敛率,因此有效地提高了学习效率.在学习过程中,利用该方法能够区分零残量和非零残量,并利用这种特点进行隐层神经元数目的自动调整,从而可以保证神经网络的学习能力和推广能力.多个实际电网的负荷预测结果表明,该方法同神经网络的其他算法相比,具有训练时间短、预测精度高的特点.
短期负荷预测、GN-BFGS算法、RBF神经网络
27
TM715;TP183(输配电工程、电力网及电力系统)
国家自然科学基金59937150
2004-01-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
33-36