%0 Journal Article
%T 基于GN-BFGS算法的RBF神经网络短期负荷预测
%A 夏道止
%A 张涛
%A 杨增辉
%A 谷庆利
%A 赵登福
%J 电力系统自动化
%D 2003
%X 提出了应用混合GN(GaussNewton)-BFGS(BroydenFletcherGoldfarbShanno)法进行RBF(径向基函数)神经网络学习的算法。这种方法结合GN法与BFGS法的特点，既尽可能地利用了问题本身的特殊结构，又能取得超线性甚至二次渐近收敛率，因此有效地提高了学习效率。在学习过程中，利用该方法能够区分零残量和非零残量，并利用这种特点进行隐层神经元数目的自动调整，从而可以保证神经网络的学习能力和推广能力。多个实际电网的负荷预测结果表明，该方法同神经网络的其他算法相比，具有训练时间短、预测精度高的特点
%K 短期负荷预测
%K GN-BFGS算法
%K RBF神经网络
%K 短期负荷预测
%K GN-BFGS算法
%K RBF神经网络
%U http://www.aeps-info.com/aeps/article/abstract/11641?st=article_issue