自适应变系数粒子群和径向基神经网络在短期电价预测中的应用(英文)

被引：3

作者：

师彪 ^{[1
]}

李郁侠 ^{[1
]}

于新花 ^{[2
]}

闫旺 ^{[1
]}

李娜 ^{[1
]}

孟欣 ^{[1
]}

机构：

[1] 西安理工大学水利水电学院

[2] 青岛科技大学高职技术学院

来源：

电网技术 | 2010年 / 34卷 / 01期

关键词：

电价预测; 粒子群优化算法; 径向基神经网络; 混合优化算法; 泛化能力;

D O I：

10.13335/j.1000-3673.pst.2010.01.036

中图分类号：

F407.61 [电力、电机工业];

学科分类号：

摘要：

分析了传统的粒子群优化(particle swarm optimization,PSO)算法和径向基(radial basis function,RBF)神经网络的优缺点,提出一种自适应变系数粒子群优化算法(adaptive variable coefficients particle swarm optimizer,AVCPSO)。该算法与RBF神经网络结合形成自适应变系数粒子群-径向基(AVCPSO-RBF)神经网络混合优化算法。基于此优化算法,建立了短期电价预测模型,并利用贵州电网历史数据进行短期电价预测。仿真计算结果表明,AVCPSO-RBF混合优化算法在短期电价预测中优于传统RBF神经网络法和PSO-RBF神经网络方法,克服了上述2种方法的缺点,改善了RBF神经网络的泛化能力,具有输出稳定性好、预测精度高、收敛速度快等特点,使用该方法得到的各日预测电价的平均百分比误差可控制在2%以内,平均绝对误差最大值为1.652RMB/MW·h。

引用

页码：98 / 106

页数：9

共 15 条

[1] 基于小波分析与广义自回归条件异方差模型的短期电价预测 [J].