100 积分
50
评分
4.8 积分- 详情
- 2020-12-27
- 简介
pdf
- 761KB
- 页数 5P
- 阅读 76
- 下载 36
电力负荷数据管理系统是电力营销技术支持系统的组成部分,对电力系统运行有着重要的辅助作用。采用神经网络预测模型,设计输入变量和确定神经网络结构的方法和算法,可以使得从历史样本知识数据到最终预测模型的建模过程变得简单明了,便于实际应用。预测方法是使用MATLAB建立模型,对24个负荷点预测,采用多输入单输出的神经网络预测每天的整点负荷值。因为电力负荷与环境因素有关,在输入、输出向量设计中输入变量加入天气特征值。根据输入、输出向量对BP网络设计。该算法结构简单,最后进行短期负荷预测仿真,仿真结果表明其有较好的预测精度。该模型具有网络结构较小,训练时间短的优点,并考虑不同小时负荷差异,易于实现,具有较高的预测精度,预测误差在15%以下,一定程度上克服传统算法收敛速度慢,容易陷入局部积小的缺点。
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
基于人工神经网络的电力负荷预测算法研究 761KB
基于人工神经网络的短期负荷预测的研究 271KB
基于人工神经网络与主分量分析的短期电力负荷预测方法 671KB
基于人工神经网络的中长期负荷预测算法 388KB
基于PSO-Elman神经网络的短期电力负荷预测 620KB
基于小波神经网络的电力负荷预测 411KB
基于遗传算法和BP神经网络的短期电力负荷预测 586KB
基于BP人工神经网络的空调降温负荷预测 1.2MB
基于Bagging算法和遗传BP神经网络的负荷预测 277KB
基于RBF神经网络的负荷预测研究综述 196KB