基于EUNITE竞赛数据的中期电力负荷预测

被引：21

作者：

李炎 ^{[1
]}

翟永杰 ^{[2
]}

周倩 ^{[2
]}

韩璞 ^{[2
]}

机构：

[1] 华北电力大学后勤与资产管理处

[2] 华北电力大学控制科学与工程学院

来源：

华北电力大学学报 | 2007年 / 04期

关键词：

模糊神经网络; 自组织; 负荷预测;

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：

应用自组织模糊神经网络(SOFNN)算法,基于欧洲智能技术网络(EUNITE)竞赛数据进行了中期电力负荷预测的应用研究。算法能够自动决定神经模型的结构并得出模型的参数,具有很好的实用价值。研究了训练数据选取和输入特征向量编码等实际应用问题,结果表明负荷预测精度高,优于竞赛的优胜者,之后提出了结合周平均负荷预测修正日负荷预测的方法,精度得到进一步地提高。

引用

页码：22 / 26

页数：5