基于免疫聚类径向基函数网络模型的短期负荷预测  

A SHORT-TERM LOAD FORECASTING APPROACH BASED ON IMMUNE CLUSTERING RBF NETWORK MODEL

作　　者：吴宏晓[1] 侯志俭[1] 刘涌[1] 蒋传文[1] 

机构地区：[1]上海交通大学电子信息与电气工程学院,上海市徐汇区200030

出　　处：《中国电机工程学报》2005年第16期53-56,共4页Proceedings of the CSEE

摘　　要：提出了一种免疫聚类径向基函数神经网络(ICRBFNN)模型来预测电力系统短期负荷。在ICRBFNN的设计中,根据共生进化和免疫规划原理,提出了共生进化免疫规划聚类算法,该算法可以自动确定RBF网络隐层中心的数量和位置,并采用递推最小二乘法确定网络输出层的权值。对华东某市进行的电力系统短期负荷预测表明,与传统的径向基函数神经网络(RBFNN)预测方法相比,ICRBFNN方法具有更高的预测精度和更短的训练时间。The paper presents an immune clustering RBF neural network（ICRBFNN） model for short-term load forecasting. In the design of the ICRBFNN, a novel clustering method based on the symbiotic evolutionary and the immune programming algorithm（SEIPCM） is proposed. The SEIPCM automatically adjust the number and positions of hidden layer RBF centers. The weights of output layer are decided by the recursive least squares algorithm. The proposed ICRBFNN model has been implemented based on the actual data collected from the East China Power Company and compared with the traditional RBF neural network（RBFNN） method. The test results reveal that the ICRBFNN method possesses far superior forecast precision and require less constructing time than the RB FNN method,

关 键 词：电力系统 短期负荷预测 RBF神经网络 免疫算法 聚类分析 

分 类 号：TM715[电气工程—电力系统及自动化]