基于气象累积和ACA-GRNN的短期电力负荷预测

摘要：

针对气象条件具有累积效应以及不同气象条件对负荷影响的程度不同的特点,采用一加权的几何距离公式来选取神经网络的训练样本,不仅加快了神经网络的训练速度,而且加强了神经网络的逼近能力.同传统的神经网络相比,广义回归神经网络的训练过程实际上是不断地调整平滑参数σ的过程,因此,σ的不同取值对网络的输出具有重要的影响.在优化广义回归神经网络的平滑参数σ时,采用基于蚁群种群的新型优化算法——蚁群算法来优化,在很大程度上减少了人为选择参数的主观影响.最后通过实例验证了该模型的有效性.

关键词：负荷预测、气象累积、广义回归神经网络、优化、蚁群算法

所属期刊栏目：36

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2008-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：58-62