首页 | 本学科首页   官方微博 | 高级检索  
     

逐级均值聚类算法的RBFN模型在负荷预测中的应用
引用本文:刘小华,刘沛,张步涵,万建平. 逐级均值聚类算法的RBFN模型在负荷预测中的应用[J]. 中国电机工程学报, 2004, 24(2): 17-21
作者姓名:刘小华  刘沛  张步涵  万建平
作者单位:华中科技大学,湖北,武汉,430074
摘    要:该文针对传统K均值聚类算法的不足,提出了一种新的聚类算法--逐级均值聚类算法,解决了传统聚类算法解的局部最优性问题和如何确定聚类数目的问题.在应用该算法确定RBF模型隐含层的中心向量时,同时确定了隐含层的节点数和RBF网络模型的结构.对于网络参数的确定,文中也提出了一种新的交互式的学习方案,将学习样本分为训练样本和测试样本,分别对网络进行权值确定和半径调节,得到了非常稳定的网络结构.运用文中所述模型及算法与传统的RBFN进行负荷预测比较,结果表明前者网络更稳定,预测精度更高.

关 键 词:电力系统  负荷预测  RBF神经元网络  聚类分析  逐级均值聚类  BP算法  Parzen窗
文章编号:0258-8013(2004)02-0017-05
修稿时间:2003-09-08

APPLICATION OF RBFN MODEL FOR LOAD FORECASTING BASED ON RANKING MEANS CLUSTERING
LIU Xiao-hua,LIU Pei,ZHANG Bu-han,WAN Jian-ping. APPLICATION OF RBFN MODEL FOR LOAD FORECASTING BASED ON RANKING MEANS CLUSTERING[J]. Proceedings of the CSEE, 2004, 24(2): 17-21
Authors:LIU Xiao-hua  LIU Pei  ZHANG Bu-han  WAN Jian-ping
Abstract:
Keywords:Power system  Load forecasting  RBFN model   Clustering analyse  Ranking means clustering  BP algorithm  Parzen windows
本文献已被 CNKI 维普 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号