基于模糊聚类的神经网络短期负荷预测方法

来源 :电网技术 | 被引量 : 0次 | 上传用户：ch101732

【摘要】

：

针对电力负荷的特点,综合考虑天气、日类型、历史负荷等对未来负荷变化的影响,提出了一种新的短期负荷预测方法.通过模糊聚类选取学习样本,采用反向传播算法,对24点每点建立

【作者】

：

姜勇

【机构】

：

江苏省电力公司南京供电公司

【出处】

：

电网技术

【发表日期】

：

2003年2期

【关键词】

：

电力系统短期负荷预测神经网络模糊聚类模糊理论 short-term load forecasting fuzzy clustering artifi

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

针对电力负荷的特点,综合考虑天气、日类型、历史负荷等对未来负荷变化的影响,提出了一种新的短期负荷预测方法.通过模糊聚类选取学习样本,采用反向传播算法,对24点每点建立一个预测模型.该方法充分发挥了神经网络和模糊理论处理非线性问题的能力,提高了学习效能,在负荷平稳的季节和负荷波动较大的季节都具有较好的预测精度.

其他文献

自然分形在负荷预测中的应用

传统的负荷预测方法通常只能描述原始数据序列的长期趋势或季节性、周期性趋势等宏观行为.而对于表现微观行为的粗糙数据则难于建模.通过将原始序列分解成光滑部分和粗糙部分

期刊