电力负荷的径向基函数神经网络模型预测  

Power Load Forecasting with Radial Basis Function Neural Network

作　　者：李程[1,2] 谭阳红[1] 

机构地区：[1]湖南大学电气与信息工程学院,湖南长沙410082 [2]湖南省送变电建设公司,湖南长沙410015

出　　处：《广东电力》2010年第5期1-3,11,共4页Guangdong Electric Power

基　　金：国家自然科学基金资助项目(50677014);博士点专项基金资助项目(20060532002);湖南省自然科学基金资助项目(06JJ2024;03GKY3115;04FJ2003;05GK2005)

摘　　要：由于基于反向传播(back propagation,BP)的神经网络模型自身固有的缺点,其电力负荷预测结果不理想,而径向基函数(radial basis function,RBF)神经网络模型具有全局逼近的性质,不存在局部最小问题,为此,针对中长期电力负荷预测,给出了RBF的预测原理,推导权值的更新方式,并和BP方法结果进行对比分析,结果证明基于RBF神经网络模型的方法收敛速度快、预报精度高、误差小。The power load forecasting results of neural network model based on back propagation （BP） are not satisfactory owing to the inherent shortcomings of the model. The radial basis function （RBF） neural network model, with the nature of global approximation, has no local minimum problem. Aiming at medium- and long-term power load forecasting, the forecasting principle of RBF is presented and the updating expressions of weights are derived. By means of calculation example, the RBF method and the BP method are compared, and comparison results show that the RBF method is with fast convergence, high precision and small error.

关 键 词：反向传播神经网络模型 径向基函数神经网络模型 负荷预测 

分 类 号：TP391.9[自动化与计算机技术—计算机应用技术]