ACOA-RBF网络模型在短期负荷预测中的应用

作者：王涛; 王洋洋; 郭长娜

来源：计算机系统应用, 2012, (01): 127-131.

• 蚁群优化算法
• 径向基神经网络
• 短期负荷预测
• 预测精度
• 隐含层 ant colony optimization algorithm
• radial basis function neural network
• short-term load forecasting
• forecasting accuracy
• hidden layer

为了进一步提高RBF神经网络的性能,实现准确、快速预测短期电力负荷的目的,将蚁群优化算法(ACOA)作为RBF神经网络的学习算法,建立了一种新的蚁群优化算法的RBF(ACOA-RBF)网络预测模型,利用山西某地区电网的历史数据进行短期负荷预测。仿真表明,这一算法与传统的RBF神经网络预测方法相比,能达到更好的预测效果。该优化算法改善了径向基神经网络的泛化能力,提高了山西电网短期负荷预测的精度,可有效用于电力系统的短期负荷预测。

• 出版日期2012
• 单位辽宁工程技术大学