基于强化自组织映射和径向基神经网络的短期负荷预测

径向基(radial basis function,RBF)神经网络因其泛化能力强、收敛速度快的特点广泛应用于负荷预测。但传统采用K-means和自组织映射(self-organizing map,SOM)训练RBF径向基中心的方法因其全局搜索能力偏弱,仍然存在容易陷入局部最优解的问题,严重制约了RBF预测精度的提高。针对此问题,提出了一种基于强化学习(reinforcement learning,RL)改进的RBF短期负荷预测方法。强化学习通过环境的反馈不断完善搜索策略,具有非常突出的全局搜索能力。所提方法将强化学习以环境反馈修正搜索策略的机制应用于SOM,大幅增强了SOM的全局搜索能力,使...

Full description

Bibliographic Details
Main Authors: 黄乾, 马开刚, 韦善阳, 黎静华
Format: Article
Language:zho
Published: Editorial Office of Journal of Global Energy Interconnection 2019-01-01
Series:全球能源互联网
Subjects:
Online Access:http://www.gei-journal.com/cn/upload/files/201901/09基于强化自组织映射和径向基神经网络的短期负荷预测.pdf