一种基于模糊规则和神经网络的负荷预测方法

考虑到每个小时发电成本各异 ,因此本文在训练用于负荷预测神经网络时采用了带动态的模糊化加权因子的加权完全平方法的训练方法。与传统的用于负荷预测的神经网络的训练相比 ,本文提出的方法更加符合实际而且经济效益更好。同时文中分别采用完全平方法 (NNLS) ,固定加权因子的加权完全平方法 (NNWLS)和带动态的模糊化加权因子的加权完全平方法 (NNFWLS)进行网络训练并进行比较。仿真结果显示在整个预测周期中采用加权完全平方法的经济效益明显好于直接完全平方法 ,而模糊化加权因子完全平方法的结果又好于加权完全平方法。但NNFWLS并不是在每个预测点都好于NNLS ,因此在文中提出综合运用NNLS和NNFWLS来进行负荷预测以取得最佳的经济效益。有关参数的选择还有待于进一步的探讨。