摘要：為提高短期負(fù)荷預(yù)測(cè)模型的精確度,研究了一種基于徑向基函數(shù)(radial basis function,RBF)神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化的短期負(fù)荷預(yù)測(cè)方法。首先,對(duì)短期負(fù)荷影響因素進(jìn)行分析,建立了計(jì)及溫度累積效應(yīng)的溫度變量量化模型和計(jì)及負(fù)荷修正的日期類型變量量化模型;其次,建立基于RBF神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)模型,分別基于近鄰傳播算法和遺傳算法對(duì)RBF神經(jīng)網(wǎng)絡(luò)隱層節(jié)點(diǎn)的中心矢量和基寬參數(shù)進(jìn)行優(yōu)化;最后,基于某地區(qū)輕工業(yè)行業(yè)的夏季負(fù)荷數(shù)據(jù)進(jìn)行了算例分析,結(jié)果表明,相比于未考慮參數(shù)優(yōu)化的預(yù)測(cè)模型,可在一定程度上提高短期負(fù)荷的預(yù)測(cè)精度。