基于改进RBF神经网络的电力系统短期负荷预测

被引：9

作者：

杨胡萍 ^{[1
]}

白慧 ^{[2
]}

刘家学 ^{[3
]}

张力 ^{[4
]}

机构：

[1] 南昌大学信息工程学院

[2] 东华大学信息科学与工程学院

[3] 深圳供电局

[4] 南昌供电局

来源：

东华大学学报(自然科学版) | 2008年 / 02期

关键词：

短期负荷预测; 交替梯度算法; 径向基函数(RBF)神经网络; 电力系统;

D O I：

暂无

中图分类号：

TM715 [电力系统规划]; TP183 [人工神经网络与计算];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

提出一种交替梯度算法,对径向基函数(RBF)神经网络的训练进行改进.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.采用该改进算法应用于电力系统短期负荷预测模型,综合考虑了气象、日类型等影响负荷变化的因素,预测结果表明该算法具有一定实用性.

引用

页码：204 / 207

页数：4

共 7 条

[1]

RBF神经网络在中长期负荷预测中的应用 [J].

陈泽淮 ;

张尧 ;

武志刚 .

电力系统及其自动化学报, 2006, (01) :15-19

[2]

一种电力系统短期负荷预测的RBF优化算法 [J].

胡迎松 ;

陈明 ;

范志明 .

华中科技大学学报(城市科学版), 2003, (03) :8-10

[3]

广州电网负荷特性分析及短期预测模型设计 [J].

李鹏 ;

任震 .

电力自动化设备, 2002, (08) :50-53

[4]

基于RBF神经网络和专家系统的短期负荷预测方法 [J].

张涛 ;

赵登福 ;

周琳 ;

王锡凡 ;

夏道止 .

西安交通大学学报, 2001, (04) :331-334

[5]

基于径向基函数网络的短期负荷预测 [J].

高山 ;

单渊达 .

电力系统自动化, 1999, (05)

[6]

Short-term ANN load forecasting from limited data using generalization learning strategies.[J].Zeke S.H. Chan;H.W. Ngan;A.B. Rad;A.K. David;N. Kasabov.Neurocomputing.2006, 1

[7]

大规模人工神经网络理论基础.[M].罗四维著;.北方交通大学出版社.2004,

← 1 →