ACOA-RBF网络模型在短期负荷预测中的应用

• 作者: 王洋洋 王涛 郭长娜
• 来源期刊: 计算机系统应用
• 学科: 工学
• 关键词: 蚁群优化算法 径向基神经网络 短期负荷预测 预测精度 隐含层
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 应用技术
• 页码范围: 127-131
• 分类号: TP183|TM715
• 字数: 3713字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3254.2012.01.030

摘要

为了进一步提高RBF神经网络的性能,实现准确、快速预测短期电力负荷的目的,将蚁群优化算法(ACOA)作为RBF神经网络的学习算法,建立了一种新的蚁群优化算法的RBF(ACOA-RBF)网络预测模型,利用山西某地区电网的历史数据进行短期负荷预测.仿真表明,这一算法与传统的RBF神经网络预测方法相比,能达到更好的预测效果.该优化算法改善了径向基神经网络的泛化能力,提高了山西电网短期负荷预测的精度,可有效用于电力系统的短期负荷预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王涛	辽宁工程技术大学电气与控制工程学院	28	134	7.0	10.0
2	郭长娜	辽宁工程技术大学电气与控制工程学院	8	83	5.0	8.0
3	王洋洋	辽宁工程技术大学电气与控制工程学院	9	83	5.0	9.0