电网技术

2004, (07) 15-18

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

一种基于小波神经元网络的短期负荷预测方法
SHORT-TERM LOAD FORECASTING BASED ON WAVELET NEURAL NETWORK

张步涵,赵剑剑,刘小华,刘沛,程时杰,陆俭

摘要(Abstract):

小波神经元网络比多层前馈神经网络具有更多自由度和更好的适应性。为更好地反映气象因素对负荷的影响及提高负荷预测的精度,文章选用Morlet小波构建小波神经元网络,采用误差反传学习算法来训练网络,采用自学习隶属度分析聚类的新方法选择训练样本。并应用武汉电网近年的负荷数据和气象资料进行了建模和预测,预测结果表明所建立的小波神经元网络预测模型具有较好的收敛性,采用自学习隶属度分析聚类方法选择训练样本能改善预测精度。

关键词(KeyWords): 小波神经元网络;隶属度;短期负荷预测;电力系统

Abstract:

Keywords:

基金项目(Foundation): 高等学校博士学科专项科研基金资助项目(2000048712)

作者(Author): 张步涵,赵剑剑,刘小华,刘沛,程时杰,陆俭

Email:

DOI: 10.13335/j.1000-3673.pst.2004.07.004

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享