文件名称：基于动态模糊神经网络的短期电力负荷预测 (2015年)
文件大小：260KB
文件格式：PDF
更新时间：2024-06-01 04:08:21
自然科学 论文
针对电力负荷受天气和日期影响特点，提出一种基于动态模糊神经网络的短期电力负荷预测的新方法. 该算法最大的特点是模糊规则是动态变化的，通过系统误差、可容纳边界来判断系统是否需要新增一条模糊规则，使用误差下降率（ERR）修剪算法剔除对整个网络影响较小的模糊规则. 该算法还使用了分级学习法让网络的学习速度大大提高. 在分析了EUNITE网络提供的负荷数据基础上来进行仿真，该仿真将温度、星期、月份、节假日因素作为网络的输入向量，取日负荷峰值作为网络的输出向量. 仿真结果显示取得了较好的预测准确率.