基于改进DFNN的短期电价预测新方法

被引：5

作者：

敖磊 ^{[1
]}

刘旭东 ^{[2
]}

吴耀武 ^{[1
]}

熊信银 ^{[1
]}

机构：

[1] 华中科技大学电力系

[2] 湖北省宜昌供电公司

来源：

继电器 | 2006年 / 06期

关键词：

出清电价; 短期电价预测; 动态模糊神经网络(DFNN);

D O I：

暂无

中图分类号：

F407.61 [电力、电机工业];

学科分类号：

020205 ; 0202 ;

摘要：

提出了一种改进的动态模糊神经网络DFNN(Dynam ic Fuzzy Neural Network)的短期电价预测方法。首先对采集到的信息进行特征提取,然后利用模糊粗糙集理论中的信息熵进行属性简化、去掉冗余信息,最后用得到的属性作为动态模糊神经网络(DFNN)的输入进行训练预测。在模糊神经网络内部引入递归环节,构成了动态模糊神经网络,并采用具有全局寻优能力的遗传算法来训练网络,克服了单纯BP算法易陷入局部最优解的困境。最后以美国加州电力市场公布的2000年数据进行了模型训练和预测,结果表明该方法所建立的预测模型具有较高的预测精度。

引用

页码：34 / 38

页数：5