基于QPSO-RBFNN和模糊理论的电力系统短期负荷预测方法  

Short-term load forecast with QPSO-RBFNN and fuzzy logic for power systems

作　　者：李盘荣[1] 华伟东[2] 

机构地区：[1]无锡市广播电视大学,江苏无锡214021 [2]无锡市供电公司,江苏无锡214061

出　　处：《电力科学与技术学报》2008年第1期60-65,共6页Journal of Electric Power Science And Technology

摘　　要：在基于径向基函数神经网络(RBFNN)的电力系统短期负荷预测的基础上,采用量子粒子群优化算法(QPSO)优化神经网络权值,并运用模糊理论进行修正预测模型,提出基于QPSO-RBFNN和模糊理论的电力系统短期负荷预测方法.仿真实例计算结果表明该方法收敛速度快、预报精度高,具有工程应用前景.Based on Short-term load forecast method with Radial Basis Function Neural Network （RBFNN） for power systems, a novel QPSO （ quantum particle swarm optimization ） algorithm is proposed for optimizing the weight of RBFNN, fuzzy theory is applied to corrected the forecast model, and a shortterm load forecast method with QPSO-RBFNN and fuzzy logic is proposed in this paper. Some cases simulation results show that the method is with fast convergence, high precision, and application foreground.

关 键 词：量子粒子群优化算法 径向基神经网络 模糊理论 电力系统 短期负荷预测 

分 类 号：TM715[电气工程—电力系统及自动化]