电网技术

2003, (02) 45-49

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

基于模糊聚类的神经网络短期负荷预测方法
SHORT-TERM LOAD FORECASTING USING A NEURAL NETWORK BASED ON FUZZY CLUSTERING

姜勇

摘要(Abstract):

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。

关键词(KeyWords): 短期负荷预测;模糊聚类;人工神经网络

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 姜勇

Email:

DOI:

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