应用近邻传播算法改进RBF的短期负荷预测
응용근린전파산법개진RBF적단기부하예측
Research on Electrical Load Short-term Forecasting via Radial Basis Function Neural Network Designed by Affinity Propagation
  • 万方数据
    电力系统及其自动化学报 전력계통급기자동화학보
    PROCEEDINGS OF THE CHINESE SOCIETY OF UNIVERSITIES
    2015年 1期 69-73 ,共5页

    回立川%于淼%梁芷睿

    회립천%우묘%량지예

    聚类%径向基函数神经网络%电力负荷%短期预测 聚類%徑嚮基函數神經網絡%電力負荷%短期預測
    취류%경향기함수신경망락%전력부하%단기예측
    clustering%radial basis function neural network%electrical load%short-term forecasting
    为了更有效地挖掘电力负荷样本数据的信息规律,提高径向基函数RBF (radial basis function)神经网络的预测精度,提出了一种引入近邻传播思想的RBF神经网络算法.该算法根据电力负荷数据的内部周期相似性规律,利用近邻传播算法将样本数据进行聚类处理,获取样本数据的类中心点,并将此作为RBF神经网络的中心矢量,同时根据类中心距离设置基宽,最终实现样本数据的训练以及未来电力负荷的短期预测.通过对未来一天的负荷预测,验证了该思路,为电力负荷短期预测提供了一种新方法.
    위료경유효지알굴전력부하양본수거적신식규률,제고경향기함수RBF (radial basis function)신경망락적예측정도,제출료일충인입근린전파사상적RBF신경망락산법.해산법근거전력부하수거적내부주기상사성규률,이용근린전파산법장양본수거진행취류처리,획취양본수거적류중심점,병장차작위RBF신경망락적중심시량,동시근거류중심거리설치기관,최종실현양본수거적훈련이급미래전력부하적단기예측.통과대미래일천적부하예측,험증료해사로,위전력부하단기예측제공료일충신방법.
    원문보기 원문다운로드 사이트로이동
저자의 최근 논문