基于混合粒子群算法和NRBF神经网络的短期电价预测

被引：2

作者：

段其昌 ^{[1
]}

赵敏 ^{[1
]}

王大兴 ^{[2
]}

段盼 ^{[2
]}

机构：

[1] 重庆大学自动化学院

[2] 重庆大学电气工程学院

来源：

电力系统保护与控制 | 2009年 / 37卷 / 18期

关键词：

电力市场; 短期边际电价预测; 最近邻聚类算法; 粒子群优化; 归一化径向基函数神经网络;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; F407.61 [电力、电机工业];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 020205 ; 0202 ;

摘要：

提出一种混合粒子群算法,在局部邻近区域的粒子群算法中引入收缩因子和被动聚集,将最邻近聚类用于NRBF神经网络的参数确定中,采用混合粒子群算法优化最近邻聚类的聚类半径,从而确定NRBF神经网络的参数,提高了NRBF神经网络的泛化能力。以美国PJM电力市场公布的2006年负荷与电价数据进行预测验证,证明了此方法所建立的模型的合理性和有效性。

引用

页码：38 / 42

页数：5

共 9 条

[1] PSO演化神经网络集成的边际电价预测新方法 [J].