论文部分内容阅读
为了提高短期电力负荷预测的精度，提出了一种量子行为粒子群优化（Quantum-behaved particle swarm optimization, QPSO）算法和径向基函数神经网络（Radical basis function neural network,RBFNN）相结合的电力负荷短期预测模型。通过K-均值聚类算法确定RBFNN的基函数中心，并用粒子群优化算法优化神经网络权值，在加快RBFNN收敛速度的同时提高预测精度。以实际负荷数据进行预测验证。预测负荷的均方根误差小于0．01．验证了模型的合