基于AGA-RBF神经网络的短期负荷预测

被引：2

作者：

黄永高

卢毅

机构：

[1] 东南大学电气工程学院

来源：

关键词：

短期电力负荷预测; RBF神经网络; 自适应遗传算法;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

针对RBF神经网络的不足以及传统遗传算法的特点,采用浮点数编码的自适应遗传算法(AGA)作为RBF神经网络的学习算法,来确定RBF神经网络隐含层的中心参数和宽度参数,形成AGA-RBF网络来进行负荷预测,并通过实例验证,该方法与RBF神经网络相比,能有效提高预测精度和改善网络性能。

引用

页码：41 / 43

页数：3

共 5 条

顾庆雯 ;

陈刚 ;

朱蕾蕾 ;

吴迎霞 .

雷绍兰 ;

孙才新 ;

周湶 ;

张晓星 ;

程其云 .

[3] 基于RBF神经网络的短期负荷预测模型设计 [J].

俞秋阳 ;

朱斌 ;

郭伟 .

[4] 基于径向基函数网络的短期负荷预测 [J].

高山 ;

单渊达 .

[5]

电力系统负荷预测.[M].康重庆; 夏清; 刘梅; 编著.中国电力出版社.2007,