自适应变系数粒子群-径向基神经网络模型在负荷预测中的应用
为了提高短期电力负荷预测精度,提出了一种自适应变系数粒子群-径向基函数神经网络混合优化算法(AVCPSO-RBF).实现了径向基神经网络参数优化.建立了基于该优化算法的短期负荷预测模型,利用贵州电网历史数据进行短期负荷预测.仿真表明,该方法的收敛速度和预测精度优于传统径向基神经网络方法和粒子群-RBF神经网络方法及基于混沌理论的神经网络模型,该优化算法克服了径向基神经网络和传统的粒子群优化方法的缺点,改善了径向基神经网络的泛化能力,提高了贵州电网短期负荷预测的精度,各日预测负荷的平均百分比误差可控制在1.7%以内.该算法可有效用于电力系统的短期负荷预测.
短期负荷预测、自适应变系数粒子群、泛化能力、径向基神经网络
29
TM614;TP18(发电、发电厂)
国家火炬计划创新基金资助项目07C26213711606;陕西省自然科学基础研究计划项目SJ08E220;山东省软科学基金资助项目2007RKB188
2009-10-23(万方平台首次上网日期,不代表论文的发表时间)
共5页
2454-2458