几种电力负荷预测方法的比较

被引：30

作者：

李鹏飞 ^{[1
]}

加玛力汗库马什 ^{[1
]}

常喜强 ^{[2
]}

机构：

[1] 新疆大学电气工程学院

[2] 新疆电力公司

来源：

电气技术 | 2011年 / 06期

关键词：

电力系统; 负荷预测; 方法比较;

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：

本文对目前的几种智能负荷预测方法:人工神经网络、模糊预测法、数据挖掘、专家系统、支持向量机的原理、特点及研究情况进行了阐述,从学习能力、运算速度、处理模糊信息能力等角度对这几种方法进行了比较,指出了其中各自的优缺点,同时又结合新疆电网负荷预测的具体情况提出了相适应的负荷预测方法。

引用

收藏

页码：49 / 52

页数：4

相关论文

共 19 条

[1]

短期电力负荷预测关键问题与方法的研究 [D].

卢芸 .

沈阳工业大学,

2007

[2]

短期电力负荷的智能化预测方法研究 [D].

杨奎河 .

西安电子科技大学,

2004

[3]

基于支持向量机的短期电力负荷预测方法研究 [D].

肖蔚 .

武汉理工大学,

2008

[4]

考虑光伏并网发电的短期负荷预测 [D].

李广敏 .

华北电力大学（河北）,

2007

[5]

应用递归人工神经网络预测电力短期负荷 [J].

段玉波 ;

曲薇薇 ;

周群 ;

张彦辉 .

佳木斯大学学报(自然科学版), 2010, 28 (03) :372-375

[6]

最小二乘支持向量机短期负荷预测研究 [J].

侯贺飞 ;

刘俊勇 .

四川电力技术, 2009, 32(S1) (S1) :11-15

[7]

数据挖掘及其在电力负荷预测中的应用 [J].

刘齐更 ;

李长凯 .

自动化仪表, 2009, 30 (09) :14-17

[8]

基于蚁群支持向量机的短期负荷预测 [J].

魏俊 ;

周步祥 ;

林楠 ;

邢义 .

电力系统保护与控制, 2009, 37 (04) :36-40

[9]

基于数据挖掘的SVM短期负荷预测方法研究 [J].

牛东晓 ;

谷志红 ;

邢棉 ;

王会青 .

中国电机工程学报, 2006, (18) :6-12

[10]

基于模糊回归支持向量机的短期负荷预测 [J].

龚灯才 ;

孙长银 ;

李林峰 .

三峡大学学报(自然科学版), 2006, (01) :37-40