基于关联模糊神经网络和改进型蜂群算法的负荷预测方法

被引：26

作者：

赵芝璞 ^{[1
]}

高超 ^{[2
]}

沈艳霞 ^{[1
]}

陈杰 ^{[1
]}

机构：

[1] 江南大学物联网技术应用教育部工程研究中心

[2] 国网湖北省电力公司孝感市云梦县供电公司

来源：

中国电力 | 2018年 / 51卷 / 02期

关键词：

电力系统; 负荷预测; 关联模糊神经网络; 改进型蜂群算法; 负荷历史数据;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化];

摘要：

为提高负荷预测精度,考虑历史负荷数据之间相关联的特性,利用关联模糊神经网络建立了负荷预测模型。与其他负荷预测方法相比,基于关联模糊神经网络和改进型蜂群算法的负荷预测方法,减少了模型所需要的模糊规则的数量,降低了模型的复杂度。将该方法应用于某地实际负荷预测,数值结果表明,该方法具有较高的预测精度。

引用

页码：54 / 60

页数：7

共 18 条

[1]

中国电力与能源.[M].刘振亚; 著.中国电力出版社.2012,

[2]

非线性自回归时序模型分析及工程应用.[M].陈茹雯; 著.东南大学出版社.2011,

[3]

CFNN: Correlated fuzzy neural network.[J].Mohammad Mehdi Ebadzadeh;Armin Salimi-Badr.Neurocomputing.2015,

[4]

Short-term load forecasting using a hybrid model with a refined exponentially weighted fuzzy time series and an improved harmony search.[J].Hossein Javedani Sadaei;Rasul Enayatifar;Abdul Hanan Abdullah;Abdullah Gani.International Journal of Electrical Power and Energy Systems.2014,

[5]

Long-term load forecasting by a collaborative fuzzy-neural approach [J].