改进RBF神经网络在短期负荷预测中的应用

被引：4

作者：

张红 ^{[1
,2
]}

金月 ^{[3
]}

郭彦春 ^{[4
]}

机构：

[1] 长春工程学院

[2] 吉林省配电自动化工程研究中心

[3] 国网西藏信通公司

[4] 松原长春供电公司

来源：

科技资讯 | 2014年 / 12卷 / 29期

关键词：

RBF; 神经网络; 负荷预测; 支持向量机;

D O I：

10.16661/j.cnki.1672-3791.2014.29.084

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

电力系统负荷预测对电力调度部门来说是非常重要的,精确的负荷预测是经济、可靠和安全的电力系统运行和规划的依据,直接关系到电力系统供电计划的制定和电力系统短期运行方式的安排。该文提出了一种改进的基于径向基函数(Radial Basis Function,RBF)神经网络的短期负荷预测的方法,经GA优化的SVM多核径向基函数去提取有用数据,提高了短期负荷预测精度,该文以吉林某地区春季负荷为输入,仿真结果表明算法的可行性。

引用

页码：89 / 89

页数：1

共 4 条

[1] 基于遗传算法的改进径向基支持向量机及其应用 [J].