RBF-AR模型在三峡水电站上网日电量预测中的应用

针对水电站上网日电量数据的非线性特征,采用状态相依自回归(state-dependent autoregressive,SD-AR)模型对数据进行描述。用高斯径向基函数(radial basis function,RBF)神经网络来逼近SD-AR模型的函数型系数,采用一种结构化非线性参数优化方法 (structured nonlinear parameter optimization method,SNPOM)来离线辨识RBF-AR模型系数,并利用此模型对数据进行预测。通过对三峡左岸和右岸水电站上网日电量真实数据进行训练和测试,并与其他经典算法进行比较,验证了RBF-AR模型在不确定条件下的预测准确性和可行性。