基于改进粒子群-径向基神经网络模型的短期电力负荷预测

• 作者: 于新花 何常胜 孟欣 师彪 李郁侠 闫旺
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 负荷预测 改进粒子群-径向基神经网络模型 泛化能力 预测精度
• 年，卷（期）: 2009,（17）
• 所属期刊栏目: 电力市场
• 页码范围: 180-184
• 页数: 5页
• 分类号: TM715
• 语种: 中文

摘要

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群-径向基神经网络算法.用改进的粒子群算法训练径向基神经网络,实现了径向基函数神经网络的参数优化.建立了短期电力负荷预测模型,综合考虑气象、天气、日期类型等影响负荷的因素进行短期负荷预测.算例结果表明,该算法优于径向基神经网络法和粒子群-径向基网络算法,克服了径向基网络和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,输出稳定,预测精度高,收敛速度快,平均百分比误差可控制在1.2%以内.