基于SOM特征聚类及RBF神经网络的电力负荷预测方法研究

文档名：基于SOM特征聚类及RBF神经网络的电力负荷预测方法研究
摘要：为了提高电力系统负荷预测的精度,维护电力系统运行的安全稳定性,提出一种基于特征向量的自组织映射聚类和改进的径向基函数神经网络相结合的电力负荷预测模型.通过提取能够体现每日电力负荷特性的特征向量,对样本进行聚类,采用具有相似特征的数据作为神经网络的训练样本,提高了样本规律性.采用粒子群算法(particleswarmoptimization,PSO)修正神经网络粒子群速度及位置,以克服梯度下降、局部最优等问题对网络预测精度的影响.基于某地配电网电力负荷数据,验证了所提模型的有效性及良好的适应性.

Abstract：Toimprovetheaccuracyofpowersystemloadforecastingandmaintainthesafetyandstabilityofpowersystemoperation,acom-binationofself-organizingmaps(SOM)clusteringbasedonfeaturevectorandimprovedradialbasisfunction(RBF)neuralnetworkforpowerloadforecastingmodelisproposed.Thesamplesareclusteredbyextractingfeaturevectorsthatreflectthecharacteristicsofthedai-lyelectricload.Datawithsimilarfeaturesareusedastrainingsamplesfortheneuralnetworktoimprovesampleregularity.Toovercometheeffectsofgradientdescentandlocaloptimumonthenetworkpredictionaccuracy,theparticleswarmoptimization(PSO)algorithmisusedtomodifytheneuralnetworkparticleswarmvelocityandposition.Thevalidityandgoodadaptabilityoftheproposedmodelareveri-fiedbasedonpowerloaddataofdistributionnetworkinanarea.

作者：郝文斌  孟志高  张勇  谢波  彭攀  卫佳奇Author：HAOWenbin  MENGZhigao  ZHANGYong  XIEBo  PENGPan  WEIJiaqi
作者单位：国网四川省电力公司成都供电公司,成都610000
刊名：电力需求侧管理
Journal：PowerDemandSideManagement
年，卷(期)：2024, 26(3)
分类号：TM732
关键词：负荷预测  自组织映射聚类  径向基函数神经网络  粒子群优化算法  
Keywords：loadforcasting  self-organizingmappingclustering  radialbasisfunctionneuralnetwork  particleswarmoptimizationalgorithm  
机标分类号：TP391.41TP183TP273
在线出版日期：2024年3月25日
基金项目：国网四川省电力公司成都供电公司科研项目基于SOM特征聚类及RBF神经网络的电力负荷预测方法研究[
期刊论文]  电力需求侧管理--2024, 26(3)郝文斌  孟志高  张勇  谢波  彭攀  卫佳奇为了提高电力系统负荷预测的精度,维护电力系统运行的安全稳定性,提出一种基于特征向量的自组织映射聚类和改进的径向基函数神经网络相结合的电力负荷预测模型.通过提取能够体现每日电力负荷特性的特征向量,对样本进行聚...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

        基于SOM特征聚类及RBF神经网络的电力负荷预测方法研究  Research on power load forecasting method based on feature clustering of SOM and RBF neural network

基于SOM特征聚类及RBF神经网络的电力负荷预测方法研究.pdf

2024-12-14 12:33 上传 基于SOM特征聚类及RBF神经网络的电力负荷预测方法研究.pdf

文件大小:

1.86 MB

下载次数:

60

高速下载