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.
出处
《电力科学与技术学报》
CAS
2008年第1期60-65,共6页
Journal of Electric Power Science And Technology
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
QPSO （quantum particle swarm optimization）
RBF neural network
fuzzy theory
power system
short-term load forecast
作者简介
李盘荣（1971-），男，工程硕士，讲师，主要从事智能计算、网络控制研究．通讯作者：李盘荣，男，工程硕士，讲师；E—mail：lipr@wxtvu．cn
