应用近邻传播算法改进RBF的短期负荷预测.pdfVIP

第27卷第1期 电力系统及其自动化学报 V01．27No．1 2015年1月 oftheCSU—EPSA Jan． 2015 Proceedings 应用近邻传播算法改进RBF的短期负荷预测 回立川1，于淼1，梁芷睿2 (1．辽宁工程技术大学电控学院，葫芦岛125105；2．华北电力大学电力工程系，保定071003) basis 摘要：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(radialfunction)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。 关键词：聚类；径向基函数神经网络；电力负荷；短期预测 中图分类号：TM715文献标志码：A 文章编号：1003～8930(2015)01—0069—05 ResearchonElectricalLoadShort-term viaRadialBasisFunction Forecasting NeuralNetwork by DesignedAffinityPropagation HUI Zhirui2 Lichuanl，YUMia01，LIANG ofElectricalandControl Technical (1．Faculty Engineering，LiaoningUniversity，Huludao ofElectricPower ChinaElectricPower 125105，China；2．DepartmentEngineering，North 071003，China) University，Baoding Abstract：Inordertofindtheinformationoftheloaddatamore andto the of effectivelyimprovepredictionaccuracy theradialbasis novelradialbasisfunctionneuralnetwork is withtheaffini— function(RBF)，a algorithmproposed RBF usesthe toclusterthe data totheinternal affinity sampleaccording typropagation．nealgorithm propagation the centersofthe dataiSobtained．whichiSthecentervectorsoftheRBFneural