原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
()
第20卷第3期华中科技大学学报城市科学版Vol.20No.3
()
2003年9月J.ofHUST.UrbanScienceEditionSep.2003
一种电力系统短期负荷预测的RBF优化算法
112
胡迎松陈明范志明
(1.华中科技大学计算机科学与技术学院,湖北武汉430074;
2.武汉铁路建设集团有限公司,湖北武汉430023)
摘要:针对径向基函数网络在电力系统短期负荷预测中的应用,将神经网络训练的冲量改进算法运用到径向
基函数网络的训练中,提高了训练收敛速度和精度.详细介绍了短期负荷预测的建模过程,实验表明该优化算
法能有效改善预测性能.
关键词:短期负荷预测;径向基函数;神经网络;电力系统;冲量
()
中图分类号:TP183:TM715文献标识码:A文章编号:2003
短期负荷预测是非常重要的一项决策支持技n
f=w0+wuku(d(xu,x)),(1)
∑
术,它是电力系统调度管理部门制订负荷分配和u=1
开停机计划的主要依据.对电力系统的短期负荷式中,每个xu是训练集中的一个实例;函数ku(d
预测的传统时间序列分析方法模型成熟,算法简(xu,x))则是一个随d(xu,x)的增加而减小的函
单,效率较高,但精确度不高,已经不能符合现代数,其中d(xu,x)指训练集的每个实例xu和待学
电力企业生产管理的要求.近年发展起来的径向习的实例x之间的欧氏空间距离,即
基函数网络方法具有高精确度和对训练数据噪声n
的良好抵抗力,越来越得到人们的重视.d(xu,x)=∑(ar(xu)-ar(x))2.(2)
r=1
针对经典的径向基网络算法,结合电力系统在一般情况下,ku(d(xu,x))都取高斯函数,
短期负荷预测实际情况,提出用冲量来加强对权其公式
值的修正,使网络更快更精确地向目标函
文档评论（0）