基于GA的改进SVM算法对RBF优化算法在短期负荷预测中的应用

• 作者: 康岩松 张建红 张红
• 来源期刊: 长春工程学院学报（自然科学版）
• 学科: 工学
• 关键词: RBF神经网络 短期负荷预测 支持向量机 遗传算法
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 机械工程·电气工程
• 页码范围: 21-25
• 分类号: TM732
• 字数: 2856字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-8984.2011.02.007

摘要

高预测精度的短期负荷预测对于坚强电网非常重要,根据电力负荷特性的变化规律,提出了一种改进的基于径向基函数神经网络的短期负荷预测方法,应用经GA优化的SVM多核径向基函数去提取有用数据,提高了基于RBF神经网络的短期负荷预测精度.以美国加州春季负荷为输入数据,应用MATLAB仿真说明改进算法的优越性和其鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张红	长春工程学院电气与信息学院	35	140	7.0	10.0
2	张建红	长春工程学院电气与信息学院	19	25	3.0	3.0
3	康岩松		1	2	1.0	1.0