粒子群优化的神经网络模型在短期负荷预测中的应用

• 作者: 何耀耀 周建中 陆宁
• 来源期刊: 电力系统保护与控制
• 学科: 工学
• 关键词: 粒子群优化 神经网络 径向基函数 全局寻优 负荷预测
• 年，卷（期）: 2010,（12）
• 所属期刊栏目: 应用研究
• 页码范围: 65-68
• 分类号: TM715
• 字数: 2604字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2010.12.013

摘要

为了提高电力系统短期负荷预测精度,针对传统径向基函数(RBF)神经网络在负荷预测中存在的问题,提出一种新的预测模型:粒子群优化的RBF神经网络模型.粒子群算法是一种新的全局优化算法,有很强的全局寻优能力,用它来优化RBF神经网络的权值,并用优化好的RBF网络进行负荷预测.仿真在虚拟仪器LabVIEW和Matlab软件平台上进行,结果表明该预测模型精度高于传统RBF神经网络模型,具有一定实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周建中	华中科技大学水电与数字化工程学院	395	5250	35.0	50.0
2	陆宁	华中科技大学水电与数字化工程学院	12	211	7.0	12.0
4	何耀耀	华中科技大学水电与数字化工程学院	8	124	5.0	8.0