遗传算法改进灰色RBF模型在负荷预测中的应用

被引：5

作者：

吴曦

袁荣湘

机构：

[1] 武汉大学电气工程学院

来源：

电气自动化 | 2011年 / 33卷 / 06期

关键词：

GM(1,1)模型; 遗传算法RBF模型; 负荷预测;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

灰色模型和神经网络作为常用的负荷预测方法虽应用较广,但各有缺陷。将两者结合起来一定程度上能实现双方的互补,但是存在的局部最优和收敛性问题一直没有很好的解决。利用遗传算法鲁棒性强、收敛速度快以及全局定位能力强的功能,代替传统的最小二乘法对GM(1,1)模型的参数进行高效求解,可以避免陷入局部最优,实现全局最优。将优化后的GM(1,1)模型与RBF神经网络结合起来,对某市的负荷进行预测。经分析知,用遗传算法优化过的灰色模型与RBF预测模型结合起来具有更快的收敛速度和更高的精度。

引用

页码：54 / 56+60 +60

页数：4

共 16 条

[1]

一种高效的复杂系统遗传算法 [J].

庄健 ;

杨清宇 ;

杜海峰 ;

于德弘 .

软件学报, 2010, 21 (11) :2790-2801

[2]

现代医院门诊量的灰色RBF神经网络预测 [J].

张筠莉 ;

杨祯山 .

计算机工程与应用, 2010, 46 (29) :225-228

[3]

基于改进的粒子群遗传算法的DNA编码序列优化 [J].

崔光照 ;

李小广 ;

张勋才 ;

王延峰 ;

李翠玲 .

计算机学报, 2010, 33 (02) :311-316

[4]

遗传优化的灰色神经网络模型比较研究 [J].

袁景凌 ;

李小燕 ;

钟珞 .

计算机工程与应用 , 2010, (02) :41-43

[5]

基于遗传算法的网络编码优化 [J].

邓亮 ;

赵进 ;

王新 .

软件学报, 2009, 20 (08) :2269-2279

[6]

基于人工神经网络与遗传算法的风力机翼型优化设计方法 [J].

琚亚平 ;

张楚华 .

中国电机工程学报, 2009, 29 (20) :106-111

[7]

基于改进RBF网络算法的电力系统短期负荷预测 [J].

郭伟伟 ;

刘家学 ;

马云龙 ;

李书琰 .

电力系统保护与控制, 2008, 36 (23) :45-48

[8]

量子遗传算法优化RBF神经网络及其在热工辨识中的应用 [J].

董泽 ;

黄宇 ;

韩璞 .

中国电机工程学报, 2008, (17) :99-104

[9]

Modifled PSO algorithm for solving planar graph coloring problem [J].

Guangzhao Cui a Limin Qin a Sha Liua Yanfeng Wang a Xuncai Zhang b Xianghong Cao a a College of Electrical and Electronic Engineering Zhengzhou University of Light Industry Zhengzhou China b Research Institute of Biomolecular Computer Huazhong University of Science and Technology Wuhan China .

Progress in Natural Science, 2008, (03) :353-357

[10]

改进无偏GM(1,1)模型及其在中长期电力负荷预测中的应用 [J].

郑文琛 ;

吉培荣 ;

罗贤举 .

继电器, 2008, (05) :36-39+44

← 1 2 →