%0 Journal Article
%T 自适应变系数粒子群和径向基神经网络在短期电价预测中的应用
%A 师彪
%A 李郁侠
%A 于新花
%A 闫旺
%A 李娜
%A 孟欣
%J 电网技术
%P 98-106
%D 2010
%X 分析了传统的粒子群优化(particleswarmoptimization，PSO)算法和径向基(radialbasisfunction，RBF)神经网络的优缺点，提出一种自适应变系数粒子群优化算法(adaptivevariablecoefficientsparticleswarmoptimizer，AVCPSO)。该算法与RBF神经网络结合形成自适应变系数粒子群–径向基(AVCPSO-RBF)神经网络混合优化算法。基于此优化算法，建立了短期电价预测模型，并利用贵州电网历史数据进行短期电价预测。仿真计算结果表明，AVCPSO-RBF混合优化算法在短期电价预测中优于传统RBF神经网络法和PSO-RBF神经网络方法，克服了上述2种方法的缺点，改善了RBF神经网络的泛化能力，具有输出稳定性好、预测精度高、收敛速度快等特点，使用该方法得到的各日预测电价的平均百分比误差可控制在2%以内，平均绝对误差最大值为1.652RMB/MW·h。
%K 电价预测
%K 粒子群优化算法
%K 径向基神经网络
%K 混合优化算法
%K 泛化能力
%U http://www.dwjs.com.cn/CN/abstract/abstract23024.shtml