逐级均值聚类算法的RBFN模型在负荷预测中的应用

• 作者: 万建平 刘小华 刘沛 张步涵
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 电力系统 负荷预测 RBF神经元网络 聚类分析 逐级均值聚类 BP算法 Parzen窗
• 年，卷（期）: 2004,（2）
• 所属期刊栏目: 电力工程
• 页码范围: 17-21
• 页数: 5页
• 分类号: TM714
• 字数: 5134字
• 语种: 中文
• DOI: 10.3321/j.issn:0258-8013.2004.02.004

摘要

该文针对传统K均值聚类算法的不足,提出了一种新的聚类算法--逐级均值聚类算法,解决了传统聚类算法解的局部最优性问题和如何确定聚类数目的问题.在应用该算法确定RBF模型隐含层的中心向量时,同时确定了隐含层的节点数和RBF网络模型的结构.对于网络参数的确定,文中也提出了一种新的交互式的学习方案,将学习样本分为训练样本和测试样本,分别对网络进行权值确定和半径调节,得到了非常稳定的网络结构.运用文中所述模型及算法与传统的RBFN进行负荷预测比较,结果表明前者网络更稳定,预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张步涵		81	2172	25.0	45.0
2	刘沛		137	4220	40.0	60.0
3	万建平		41	366	11.0	18.0
4	刘小华		3	146	3.0	3.0