电网技术

2007, No.264(19) 69-73

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

基于减法聚类及自适应模糊神经网络的短期电价预测
Short-Term Electricity Price Forecasting Based on Subtractive Clustering and Adaptive Neuro-Fuzzy Inference System

吴兴华;周晖;

摘要(Abstract):

提出了基于Takagi-Sugeno模型的自适应模糊神经网络的短期电价预测方法。首先采用减法聚类方法确定自适应模糊神经网络的结构,然后利用混合学习算法训练该网络的前件参数和结论参数,最后将影响未来日电价的相关因素输入到训练好的自适应模糊神经网络中进行电价预测。以美国加州电力市场公布的1999年负荷与电价数据进行模型训练和预测,结果表明采用该方法所建立的预测模型具有较高的预测精度。

关键词(KeyWords): 电力市场;短期电价预测;减法聚类;自适应模糊神经网络

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 吴兴华;周晖;

Email:

DOI:

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