应用近邻传播算法改进RBF的短期负荷预测

• 作者: 于淼 回立川 梁芷睿
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 聚类 径向基函数神经网络 电力负荷 短期预测
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 69-73
• 页数: 5页
• 分类号: TM715
• 字数: 2985字
• 语种: 中文

摘要

为了更有效地挖掘电力负荷样本数据的信息规律,提高径向基函数RBF (radial basis function)神经网络的预测精度,提出了一种引入近邻传播思想的RBF神经网络算法.该算法根据电力负荷数据的内部周期相似性规律,利用近邻传播算法将样本数据进行聚类处理,获取样本数据的类中心点,并将此作为RBF神经网络的中心矢量,同时根据类中心距离设置基宽,最终实现样本数据的训练以及未来电力负荷的短期预测.通过对未来一天的负荷预测,验证了该思路,为电力负荷短期预测提供了一种新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	回立川	辽宁工程技术大学电控学院	24	143	6.0	11.0
2	于淼	辽宁工程技术大学电控学院	10	49	4.0	7.0
3	梁芷睿	华北电力大学电力工程系	2	22	2.0	2.0