基于优化概率神经网络的电力负荷预测模型研究
本文对基于优化概率神经网络的电力负荷预测模型进行了研究。文章提出使用递归正交最小二乘优化算法确定径向基概率神经网络的隐中心矢量,通过引入的分类误差准则及改进停止条件,使得在优化隐中心矢量时能够克服最小二乘算法易于陷入局部极小的缺点,从而可以避免径向基概率神经由于结构不合理而造成的网络推广能力下降的缺陷.通过将优化后的模型引入到电力负荷分类中,选取相似气候类型的历史数据用于短期负荷预测.实践表明基于递归最小二乘的径向基概率神经网络短期电力负荷预测模型具有较高的预测精度.
电力负荷 负荷预测 最小二乘 人工神经网络
孟明 卢建昌 孙伟
华北电力大学,工商管理学院,河北,保定,071003
国内会议
天津
中文
1427-1430
2006-07-01（万方平台首次上网日期，不代表论文的发表时间）