基于D-S证据理论的短期负荷预测模型融合

被引：9

作者：

吴京秋 ^{[1
]}

孙奇 ^{[2
]}

杨伟 ^{[2
]}

杨杰 ^{[3
]}

机构：

[1] 南京工程学院工程基础实验与训练中心

[2] 南京理工大学动力工程学院

[3] 南京理工大学总务处

来源：

电力自动化设备 | 2009年 / 29卷 / 04期

关键词：

D-S证据理论; 神经网络; 负荷预测; 权重; 合成法则;

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：

在各种预测模型融合时确定各种模型的权重直接影响到预测精度。对3种不同的神经网络负荷预测模型分别建立了权重提取和权重融合的数学模型,并运用证据理论对3种预测模型的权重进行融合。通过对历史预测数据的分析,提取了证据理论的融合样本,并将信度函数的多重融合结果作为负荷预测模型权重,得到权重融合后待预测日的负荷预测结果。将权重融合模型的预测结果与单一模型的预测结果进行比较,结果表明权重融合后的模型具有更高的预测精度,提高了负荷预测的准确性。

引用

页码：66 / 70

页数：5

共 15 条

[1] 基于PSRT与Elman神经网络的短期负荷多步预测 [J].