基于组合式神经网络的短期电力负荷预测模型

被引：56

作者：

陈耀武

汪乐宇

龙洪玉

机构：

[1] 浙江大学仪器系!浙江杭州,浙江大学仪器系!浙江杭州,浙江大学仪器系!浙江杭州

来源：

中国电机工程学报 | 2001年 / 04期

关键词：

神经网络; 模糊聚类分析; 模式识别; 短期电力负荷预测; 电力系统;

D O I：

10.13334/j.0258-8013.pcsee.2001.04.018

中图分类号：

TM714 [负荷分析];

学科分类号：

080802 ;

摘要：

通过对电力负荷变化规律和影响因素的分析 ,提出了一种基于组合式神经网络的短期电力负荷预测模型。该模型综合运用神经网络、模糊聚类分析和模式识别理论方法进行建模。首先 ,采用模糊聚类分析方法 ,以每天的 2 4点负荷数据、天气数据以及天类别数据为指标 ,将历史数据分成若干类别 ;其次 ,对每一类别建立相应的神经网络预测模型 ;预测时通过模式识别 ,找出与预测天相符的预测类别 ,利用相应的神经网络预测模型进行 2 4小时的短期电力负荷预测。对绍兴地区 2年多的实际负荷变化数据进行预测分析的结果表明 ,该模型不仅对普通工作日有较高的预测精度 ,对双休日、节假日和一些特殊情况也有较好的预测精度

引用

页码：80 / 83

页数：4

共 5 条

[1]

Future load curve shaping based on similarity using fuzzy logic approach. Senjyu T,et al. IEE Proc. Gener. Transm.Distrib . 1998

[2]

The time series approach to short-term load forecasting. Hagan M T,et al. IEEE Transactions on Power Systems . 1987

[3]

A regression based approach to shortterm system load forecasting. Papalexopulos A D,et al. IEEE Transactions on Power Systems . 1990

[4]

Adjustment gray model for load forecasting of power systems. Dongxiao Niu. The Journal of Grey System . 1994

[5]

Neural network based short-term load forecasting using weather compensation. Chow T W S,et al. IEEE Transactions on Power Systems . 1996

← 1 →