基于RBF神经网络和决策树的负荷预测方法

摘要：

针对采用决策树模型进行电力系统短期负荷预测时其模型输入变量的选择是影响建树效率以及预测效果的关键问题，本文提出使用RBF神经网络来解决这一问题：利用RBF神经网络根据属性重要性进行属性的约减，去除冗余信息；用得到的属性作为决策树模型的输入进行训练预测。该方法既全面考虑了影响负荷的各种因素，又避免了由于输入变量过多而导致决策树模型结构复杂、训练时间长等不足。计算实例表明，文中方法是有效可行的。

关键词： 决策树模型 RBF神经网络 负荷预测 电力系统

作者: 马建明 栗然

作者单位: 华北电力大学电力系统保护与动态安全监控教育部重点实验室,河北省保定市,071003

会议类型: 国内会议

会议名称: 中国高等学校电力系统及其自动化专业第二十二届学术年会

会议地点: 南京

会议语种:中文

页码: 2011-2014

在线出版日期: 2006-10-01（万方平台首次上网日期，不代表论文的发表时间）