基于改进RBF网络算法的电力系统短期负荷预测.pdfVIP

第 36卷 第 23期 电力 系统保护 与控制 、bl_36No．23 2008年 l2月 1日 PowerSystem ProtectionandControl Dec．1．2oo8 基于改进RBF网络算法的电力系统短期负荷预测 郭伟伟 ，刘家学 ，马云龙 ，李书琰 (I．许 昌供电公司，河南 许昌461000；2．深圳供电局，广州 深圳 518020) 摘要：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。 关键词：短期负荷预mq； 交替梯度算法；人工神经网络； 径向基函数；实用性 Optimalalgorithm ofelectricpowersystem’Sshort-term loadforecastingbased onradialfunctionneuralnetwork 。 GUO Wei_wei，L1U Jia—xue，MAYun—long1LIShu．yan。 , (1．XuchangPowerSupplyCompany，Xuchang461000，China； 2．ShenzhenPowerSupplyBureau，Shenzhen518020，China) Abstract： Thispaperproposesonekindofalternantgradientalgorithm forimprovingthetrainingofRBFneuralnetwork，whichis appliedtoshort—term electricload．Thisalgorihtm cametruebyoptimum outputlayercoefficientandcenterna dstna darddeviationof optimum RBF function．Comparedtohtertaditionalgradientdropalgorihtm，hteimprovementalgorithm hasquickerconvergence ratena dhigherforecastingprecision．Th eforecastingmodelconsidersmnayinfluencingfactorssuchasweather，date—type，na dSOon， anddealswithforecastfomr sverytactfully．Wecanseethathteforecastingmodelhascertainusabilityfrom theresultofforecasting． Keywords： short—term loadforecasting； alternnatgradientalgorihtm； artificialneuralnetwork； radialbasisfunction(RBF)； usability 中图分类号： TM715 文献标识码： A 文章编号： 1674—3415(2008)23—0045—04 负荷预测领域颇受人们青睐，取得了比传统负荷预 0 引言 测更好的效果。其中，RBF网络便是里面异军突起 短期负荷预测是电力系统运行和调度部 门的一 的一支。它强大的多元非