10.3969/j.issn.1000-3886.2011.06.018
遗传算法改进灰色RBF模型在负荷预测中的应用
灰色模型和神经网络作为常用的负荷预测方法虽应用较广,但各有缺陷.将两者结合起来一定程度上能实现双方的互补,但是存在的局部最优和收敛性问题一直没有很好的解决.利用遗传算法鲁棒性强、收敛速度快以及全局定位能力强的功能,代替传统的最小二乘法对GM(1,1)模型的参数进行高效求解,可以避免陷入局部最优,实现全局最优.将优化后的GM(1,1)模型与RBF神经网络结合起来,对某市的负荷进行预测.经分析知,用遗传算法优化过的灰色模型与RBF预测模型结合起来具有更快的收敛速度和更高的精度.
GM(1,1)模型、遗传算法、RBF模型、负荷预测
33
TM744(输配电工程、电力网及电力系统)
2012-03-05(万方平台首次上网日期,不代表论文的发表时间)
共4页
54-56,60