基于改进粒子群径向基神经网络模型的短期电力负荷预测.pdfVIP

第 33 卷 第 17 期 电 网 技 术 Vol. 33 No. 17 2009 年 9 月 Power System Technology Sep. 2009 文章编号：1000-3673 （2009 ）17-0180-05 中图分类号：TM715 文献标志码：A 学科代码：470·4054 基于改进粒子群-径向基神经网络模型的 短期电力负荷预测 1 1 2 1 1 1 师彪 ，李郁侠 ，于新花 ，闫旺 ，何常胜 ，孟欣 （1．西安理工大学 水利水电学院，陕西省 西安市 710048 ； 2．青岛科技大学 高职技术学院，山东省 青岛市 261000 ） Short-Term Load Forecasting Based on Modified Particle Swarm Optimization and Radial Basis Function Neural Network Model 1 1 2 1 1 1 SHI Biao ，LI Yu-xia ，YU Xin-hua ，YAN Wang ，HE Chang-sheng ，MENG Xin （1．School of Water Resources and Hydraulic Power，Xi’an University of Technology ，Xi’an 710048 ，Shaanxi Province，China ； 2 ．Technical Instisute of High Vocation，Qingdao Science and Technology University ，Qingdao 261000，Shandong Province，China ） ABSTRACT: To forecast short-term power load fast, 明，该算法优于径向基神经网络法和粒子群–径向基网络算 accurately and efficiently, the features and defects of particle 法，克服了径向基网络和粒子群优化方法的缺点，改善了径 swarm optimization (PSO) algorithm are analyzed and an 向基神经网络的泛化能力，输出稳定，预测精度高，收敛速 modified PSO- radial basis function neural network (RBFNN) 度快，平均百分比误差可控制在 1.2%以内。 algorithm is proposed, in which the RBFNN is trained by 关键词：负荷预测；改进粒子群–径向基神经网络模型；泛 improved PSO to implement the optimization of RBFNN 化能力；预测精度 parameters and a short-term load forecasting model is built. In load forecasting such factors impacting loads