变参数QPSO算法优化神经网络的短期电力负荷预测 (2014年)

为了提高电力负荷预测精度，提出了一种变参数量子粒子群(VPQPSO)算法优化RBF神经网络的短期负荷预测模型(VPQPSO-RBFNN)。首先利用电力负荷的混沌性，对短期负荷时间序列进行相空间重构；然后采用变参数QPSO算法优化RBF神经网络参数对重构后的短期负荷时间序列进行学习，建立短期电力负荷最优预测模型；最后采用对某地区短期电力负荷进行预测。VPQPSO-RBFNN可以准确描述复杂多变的电力负荷变化趋势，提高了电力负荷的预测精度，仿真结果验证了VPQPSO-RBFNN可以用于电力系统负荷预测。