基于径向基函数优化的短期负荷预测方法

• 作者: 姜宁 李扬 王子健 陈玉辰
• 来源期刊: 电力需求侧管理
• 学科: 工学
• 关键词: 短期负荷预测 温度累积效应 RBF神经网络 近邻传播法
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 能效与负荷管理
• 页码范围: 36-40
• 页数: 5页
• 分类号: TK018|TM714
• 字数: 3567字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-1831.2019.02.008

摘要

为提高短期负荷预测模型的精确度,研究了一种基于径向基函数(radial basis function,RBF)神经网络参数优化的短期负荷预测方法.首先,对短期负荷影响因素进行分析,建立了计及温度累积效应的温度变量量化模型和计及负荷修正的日期类型变量量化模型;其次,建立基于RBF神经网络的短期负荷预测模型,分别基于近邻传播算法和遗传算法对RBF神经网络隐层节点的中心矢量和基宽参数进行优化;最后,基于某地区轻工业行业的夏季负荷数据进行了算例分析,结果表明,相比于未考虑参数优化的预测模型,可在一定程度上提高短期负荷的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李扬	东南大学电气工程学院	176	4589	40.0	60.0
2	姜宁	国网陕西省电力公司经济技术研究院	5	11	2.0	2.0
3	陈玉辰	东南大学电气工程学院	3	5	2.0	2.0
4	王子健	东南大学电气工程学院	4	29	2.0	4.0