电力系统短期电力负荷预测仿真研究

被引：6

作者：

任金霞

游鑫

余志武

机构：

[1] 江西理工大学电气工程与自动化学院

来源：

计算机仿真 | 2015年 / 32卷 / 05期

关键词：

动态模糊神经网络; 短期电力负荷预测; 日负荷峰值; 相似日;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

在短期电力负荷准确预测的研究中,由于模型存在随机、时变、非线性等特点,用传统的神经网络进行预测结果往往不是很理想。为了提高预测的准确率,在建模之前,先通过相似日法选出与预测日总体相似度较高的负荷数据作为输入数据,提高待预测数据与训练数据之间的相关性。然后通过动态模糊神经网络来进行预测。减小建模的复杂性并提升建模速度。最后用EUNTTE提供的电力负荷数据来进行仿真,仿真表明相似日和动态模糊神经网络结合的方法预测结果较为理想,提高了预测的准确率。

引用

页码：132 / 135+149 +149

页数：5

共 12 条

[1]

Short-term load forecasting: Similar day-based wavelet neural networks. Chen, Ying,Luh, Peter B.,Guan, Che,Zhao, Yige,Michel, Laurent D.,Coolbeth, Matthew A.,Friedland, Peter B.,Rourke, Stephen J. IEEE Transactions on Power Systems . 2010

[2]

Short-Term Load Forecasting Based on a Semi-Parametric Additive Model. Shu Fan,Rob J. Hyndman. IEEE Transactions on Power Systems . 2012

[3]

动态模糊神经网络[M]. 清华大学出版社 , 伍世虔, 2007

[4] 电力短期负荷的多变量时间序列线性回归预测方法研究 [J].