改进遗传算法优化RBF神经网络在短期电力负荷预测中的应用

摘要

cqvip:为减小短期电力负荷预测中的误差,提出了一种改进遗传算法优化RBF神经网络(IGA-RBF)的负荷预测方法,解决RBF神经网络易陷入局部极值的问题,提高预测的准确性。利用IGA算法对RBF神经网络的中心、宽度以及隐含层与输出层之间的联结权值参数进行优化,提高了RBF神经网络的泛化能力。仿真实验表明,IGA-RBF算法在短期电力负荷预测中具有较快的收敛速度和较高的精度,具有较好的实用价值。短期负荷预测是电力系统负荷预测的重要内容,精准的电力负荷预测对于制定发电计划、保障生产生活用电、控制电网经济运行、降低旋转储备容量等方面具有重要作用。