基于最大偏差相似性准则的BP神经网络短期电力负荷预测算法

被引：21

作者：

罗育辉 ^{[1
]}

蔡延光 ^{[1
]}

戚远航 ^{[2
]}

黄何列 ^{[1
]}

机构：

[1] 广东工业大学自动化学院

[2] 电子科技大学中山学院

来源：

计算机应用研究 | 2019年 / 36卷 / 11期

基金：

广东省科技计划; 广东省自然科学基金;

关键词：

需求响应; 电力负荷预测; BP神经网络; 最大偏差相似性准则; 聚类算法;

D O I：

10.19734/j.issn.1001-3695.2018.05.0293

中图分类号：

TM715 [电力系统规划]; TP183 [人工神经网络与计算];

学科分类号：

080802 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对企业电力负荷随机性强、稳定性低、预测精度不理想等问题,提出了一种基于最大偏差相似性准则的BP神经网络短期电力负荷预测算法。首先对最大偏差相似性准则算法进行修改,并提出使用预测日的负荷特征向量与最大偏差相似性准则算法聚类之后的类中心负荷特征的距离来确定预测日的相似日类别;然后将聚类后的相似日类别负荷数据作为BP网络的训练数据,输出预测日起始的连续三天96整点负荷值。实验表明,该方法提出的短期电力负荷预测方法在精度和网络训练时间上都有较大的提升,具有较高的有效性和实用性。

引用

页码：3269 / 3273

页数：5