摘要：分析了传统的粒子群优化（particle swarm optimization，PSO）算法和径向基（radial basis function，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（adaptive variable coefficients particle swarm optimizer，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。

原文链接:http://www.cqvip.com/QK/91996X/201001/32833705.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）