模糊C均值结合神经网络的短期电力负荷预测

作者：王瑞; 杨炜炜; 逯静^*

来源：传感器与微系统, 2022, 41(06): 138-141.

DOI：10.13873/J.1000-9787(2022)06-0138-04

• 径向基函数神经网络
• C均值聚类算法
• 模拟退火算法
• 粒子群优化算法

为了提高电力系统负荷预测的预测精度，提出一种模糊C均值(FCM)聚类算法和改进的径向基函数(RBF)神经网络相结合的短期电力负荷预测模型。通过聚类算法对样本进行聚类处理，采用同类特征的数据作为预测输入，强化了样本规律性，提升预测精度。引入模拟退火粒子群优化(SA-PSO)算法来修正神经网络参数，克服了RBF容易陷入局部极小值的缺陷，使输出更接近实际值。利用河南省某县的实际负荷验证该模型的有效性，与传统RBF神经网络相比可有效提高神经网络的学习精度，减少训练次数，具有良好的学习性和适应性。

• 单位
  自动化学院; 河南理工大学