基于QPSOBF的电力系统短期负荷预测

被引：6

作者：

田书 ^{[1
]}

刘团结 ^{[1
]}

胡艳丽 ^{[1
]}

程传平 ^{[2
]}

机构：

[1] 河南理工大学电气工程及自动化学院

[2] 新乡起重设备厂有限责任公司

来源：

电力系统保护与控制 | 2008年 / 18期

关键词：

电力系统; 负荷预测; 径向基函数; 量子粒子群算法;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化];

摘要：

针对径向基函数(RBF)网络在电力系统短期负荷预测中存在的问题,提出一种量子粒子群优化(QPSO)算法训练RBF网络的方法,在确定网络隐含层节点个数后,将RBF网络各个参数编码成学习算法中的粒子个体进行优化,由此可在全局空间中搜索最优适应值的参数。用优化后的网络进行负荷预测,结果表明,该方法与传统的负荷预测方法相比,减少了训练时间并提高了预测精度,具有较好的应用前景。

引用

页码：6 / 9+46 +46

页数：5

共 7 条

[1]

基于QPSO算法的RBF神经网络参数优化仿真研究 [J].