- 详情
- 2021-04-27
- 简介
- 78KB
- 页数 3P
- 阅读 101
- 下载 26
电力负荷是受周期性变化以及天气等因素影响的高度非线性系统,而神经网络仅仅对已学习过的模式具有较好的范化能力。为提高神经网络的负荷预测精度,提出先对原始负荷序列进行差分运算以除去其周期性影响,然后依据相似性原理建立RBF神经网络预测模型,仿真实验表明采用该方法短期负荷预测精度有所改善。
对不起,您暂无在线预览权限,如需浏览请
立即登录热门商品
相关推荐
基于差分理论的短期负荷预测神经网络模型 78KB
基于相似度与神经网络的协同短期负荷预测模型 277KB
基于BP神经网络数学模型的短期负荷预测研究 823KB
基于人工神经网络的短期负荷预测的研究 271KB
基于BP神经网络的短期负荷预测研究 114KB
基于BP神经网络的短期负荷预测研究 114KB
基于BP神经网络的短期负荷预测 120KB
基于混沌理论和Legendre正交基神经网络的短期负荷预测 274KB
基于Elman型神经网络的空调负荷预测模型 587KB
一种基于多神经网络的组合负荷预测模型 755KB