基于改进RBF网络算法的电力系统短期负荷预测OA北大核心CSTPCD
Optimal algorithm of electric power system's short-term load forecasting based on radial function neural network
提出了一种交替梯度算法对径向基函数(RBF)神经网络的训练方法进行改进,并将之运用于电力系统短期负荷预测.交替梯度算法通过优化输出层权值和优化RBF函数的中心与标准偏差值来实现.改进的算法与传统梯度下降算法相比,具有更快的收敛速度和更高的预测精度.所构建的负荷预测模型综合考虑了气象、日类型等影响负荷变化的因素,并在预测形式上做了巧妙处理.预测结果表明改进的RBF网络算法具有一定的实用性.
郭伟伟;刘家学;马云龙;李书琰
许昌供电公司,河南,许昌,461000深圳供电局,广州,深圳,518020许昌供电公司,河南,许昌,461000许昌供电公司,河南,许昌,461000
信息技术与安全科学
短期负荷预测交替梯度算法人工神经网络径向基函数实用性
《电力系统保护与控制》 2008 (23)
45-48,4
评论