基于RBF神经网络的短期电力负荷预测

研究了天气和特殊事件对电力负荷的影响，建立了结合径向基函数神经网络来进行短期负荷预测的模型。将温度、降雨量运用于径向基函数神经网络中，提高了训练的可信度和可靠性。利用该模型编排的实用化软件投入到了实际应用中。结果表明：该方法具有较高的预测精度和较强的实用性。The  effect  of  weather  factors  and  special  events  on  electric  power  load  are  investigated.  A  load  forecasting  model  based  on  Radial  Basis  Function  (RBF)is  presented  the  temperature  and  precipitation  are  applied  to  RBF’s  training  process.  This  optimizing  algorithm  can  improve  the  credibility  and  reliability  of  network  training.  A  practical  software  package  has  been  formed  and  applied,  which  improves  the  precision  of  short-term  load  forecastin.  The  effectiveness  of  the  model  has  been  verified  by  actual  operation.