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...
Main Authors: | , , , |
---|---|
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 |