电力负荷的径向基函数神经网络模型预测

摘要：

由于基于反向传播 (back propagation,BP) 的神经网络模型自身固有的缺点,其电力负荷预测结果不理想, 而径向基函数(radial basis function,RBF) 神经网络模型具有全局逼近的性质,不存在局部最小问题,为此,针对中长期电力负荷预测,给出了RBF的预测原理,推导权值的更新方式, 并和BP方法结果进行对比分析,结果证明基于RBF神经网络模型的方法收敛速度快、预报精度高、误差小.

关键词：反向传播神经网络模型、径向基函数神经网络模型、负荷预测

所属期刊栏目：23

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目50677014;博士点专项基金资助项目20060532002;湖南省自然科学基金资助项目06JJ2024, 03GKY3115, 04FJ2003, 05GK2005

在线出版日期：2010-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1-3,11