基于粒子群优化径向基函数神经网络的电力负荷预测

摘要

电力负荷精确预测是实现电力系统经济调度重要依据.考虑径向基函数神经网络(RBF-NN)对时间序列所具有的良好拟合及泛化能力,以RBF-NN为研究模型进行电力负荷预测.利用K-means算法对负荷数据进行预处理,引入粒子群优化(PSO)算法对RBF-NN的参数进行优化,以克服参数不确定、梯度下降、局部最优等问题对其模型预测效果的影响.基于澳大利亚公开的电力负荷数据集,仿真验证了所提电力负荷预测模型更高的精度及泛化能力.