基于累积式自回归动平均法和反向传播神经网络的短期负荷预测模型

被引：16

作者：

陈伟

吴耀武

娄素华

熊信艮

机构：

[1] 电力安全与高效湖北省重点实验室(华中科技大学)

来源：

电网技术 | 2007年 / 03期

关键词：

短期负荷预测; 累积式自回归动平均法(ARIMA); BP神经网络; 平滑性处理;

D O I：

10.13335/j.1000-3673.pst.2007.03.015

中图分类号：

TM715 [电力系统规划];

学科分类号：

摘要：

针对电力系统短期负荷的特点建立了将累积式自回归动平均法(autoregressive integrated moving average,ARIMA)和采用反向传播算法(back propagation,BP)的神经网络法相结合的短期负荷预测模型。该模型利用ARIMA方法对线性时间序列逼近能力强的特点首先对预测日负荷进行预测,然后应用BP神经网络方法对预测结果进行修正,因此克服了单一算法存在的不足。应用该模型对某地区电网进行负荷预测,结果表明该方法的预测效果较好。

引用

页码：73 / 76

页数：4

共 15 条

[1] 基于相似日的线性外推短期负荷预测 [J].