论文部分内容阅读
根据电力系统短期负荷预测的特点，采用神经网络与模糊逻辑互补的方法建立了负荷预测模型。通过粗糙集理论中的信息熵概念对神经网络的输入参数进行了筛选，以与待预测量相关性大的参数作为输入，不仅减少了神经网络的工作量，缩短了计算时间，而且提高了预测的准确性；在神经网络中，通过引进动量系数和遗忘系数优化网络，提高了ANN的收敛速度；在模糊逻辑中，充分利用了人们对负荷变化取得的主观经验，引进不平均隶属函数，来反映负荷对温度的敏感性。