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
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.
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
34
TM74(输配电工程、电力网及电力系统)
国家级火炬计划;陕西省自然科学基础研究计划;山东省软科学研究计划
2010-06-21(万方平台首次上网日期,不代表论文的发表时间)
98-106