基于QPSO-RBFNN的短期电力负荷预测模型

• 作者: 吴盘龙 朱建良 朱震曙 薄煜明 赵高鹏
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 量子行为粒子群优化 电力负荷 负荷预测 径向基函数 神经网络 K-均值聚类 权值 均方根误差
• 年，卷（期）: 2016,（1）
• 页码范围: 97-101
• 页数: 5页
• 分类号: TM715
• 字数: 3982字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2016.40.01.016

摘要

为了提高短期电力负荷预测的精度,提出了一种量子行为粒子群优化( Quantum-behaved particle swarm optimization,QPSO)算法和径向基函数神经网络( Radical basis function neural network,RBFNN)相结合的电力负荷短期预测模型. 通过K-均值聚类算法确定RBFNN的基函数中心,并用粒子群优化算法优化神经网络权值,在加快RBFNN收敛速度的同时提高预测精度. 以实际负荷数据进行预测验证,预测负荷的均方根误差小于0. 01,验证了模型的合理性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薄煜明	南京理工大学自动化学院	146	991	15.0	23.0
2	吴盘龙	南京理工大学自动化学院	76	479	12.0	17.0
3	赵高鹏	南京理工大学自动化学院	29	134	7.0	10.0
4	朱建良	南京理工大学自动化学院	19	85	5.0	9.0
5	朱震曙	南京理工大学自动化学院	3	5	1.0	2.0