GRNN神经网络在电力系统负荷预报中的应用

GRNN神经网络在逼近能力、分类能力和学习速度上较BP网络有较强的优势，此外，GRNN网络人为调节的参数少，只有一个阈值，及径向基函数的分布密度SPREAD可以对GRNN性能产生重要影响。网络的学习全部依赖于数据样本，这样，网络就可以最大限度的避免人为主观假定对预测结果的影响。

4 结论
本研究分别用GRNN神经网络和BP神经网络建立电力负荷模型，对电力负荷进行预测，从预测效果来看，BP网络预测的误差偏大，GRNN神经网络在电力负荷预测中是有效的，而且，就网络具体训练而言，与BP神经网络相比，由于需要调整的参数较少，只有一个光滑因子，因此可以更快地找到合适的预测网络，具有较大的计算优势。