基于GN-BFGS算法的RBF神经网络短期负荷预测

被引：15

作者：

赵登福

张涛

杨增辉

谷庆利

夏道止

机构：

[1] 西安交通大学电气工程系,西安交通大学电气工程系,西安交通大学电气工程系,西安交通大学电气工程系,西安交通大学电气工程系陕西省西安市,陕西省西安市,陕西省西安市,陕西省西安市,陕西省西安市

来源：

电力系统自动化 | 2003年 / 04期

关键词：

短期负荷预测; GN-BFGS算法; RBF神经网络;

D O I：

暂无

中图分类号：

TM714.1 [负荷功率、因数的提高];

学科分类号：

080802 ;

摘要：

提出了应用混合 GN( Gauss- Newton) - BFGS( Broyden- Fletcher- Goldfarb- Shanno)法进行RBF(径向基函数 )神经网络学习的算法。这种方法结合 GN法与 BFGS法的特点 ,既尽可能地利用了问题本身的特殊结构 ,又能取得超线性甚至二次渐近收敛率 ,因此有效地提高了学习效率。在学习过程中 ,利用该方法能够区分零残量和非零残量 ,并利用这种特点进行隐层神经元数目的自动调整 ,从而可以保证神经网络的学习能力和推广能力。多个实际电网的负荷预测结果表明 ,该方法同神经网络的其他算法相比 ,具有训练时间短、预测精度高的特点

引用

页码：33 / 36

页数：4