基于AP相似日选取与FISOA-RBF的短期负荷预测

• 作 者: 于军琪 王佳丽 赵安军 解云飞 冉彤 赵泽华
• 机 构: 西安建筑科技大学建筑设备科学与工程学院
• 出 处: 深圳大学学报:理工版
• 发表日期: 2021年3期
• 关键词: 计算机神经网络 吸引子传播 相似日选取 搜索者优化算法 径向基 建筑用电 短期负荷预测
• 基金项目: 陕西省重点研发计划项目(社发领域)(2017ZDL-SF-16-5),安徽建筑大学智能建筑与建筑节能安徽省重点实验室开放课题资助项目(Z201990383)。

为提高建筑电力负荷的预测精度,在考虑天气信息和日期类型等影响因素的基础上,提出基于吸引子传播(affinity propagation,AP)相似日选取和改进搜索者优化算法-径向基(fusion improvement seeker optimization algorithm-radial basis function,FISOA-RBF)神经网络的建筑用电短期负荷预测模型.采用AP算法对短期电力负荷进行相似日选取,以克服外界环境对建筑电力负荷预测精度的影响;以RBF神经网络的网络参数为优化对象,采用搜