100 积分
50
评分
4.5 积分- 详情
- 2020-12-27
- 简介
pdf
- 140KB
- 页数 2P
- 阅读 80
- 下载 28
电力系统中每小时负荷具有波动性,为了提高短期电力负荷预测的精度,本文提出第一个改进的基于小波神经网络的预测模型,此模型应用布谷鸟优化算法对小波神经网络中的参数进行优化后,再对数据进行预测。通过澳大利亚新南威尔士州的电力负荷数据的分析,与传统的ARIMA模型相比较,提出的改进模型能够很好地提高预测精度。
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
shilihui2***
擅长:
装饰 市政 电气
- 4.5
服务
- 5
商品
- 286
人气
相关推荐
基于布谷鸟优化算法的电力负荷预测优化模型 140KB
基于云模型的电力负荷预测 1.3MB
基于灰理论的电力负荷预测模型 414KB
基于云模型的电力负荷预测 557KB
电力负荷模型参数辨识的混合优化算法 341KB
基于SVM短期电力负荷预测模型研究 157KB
基于HMM模型的电力负荷预测模型研究 1.6MB
灰色模型在电力负荷预测中的优化与应用 456KB
基于PSO-SVM模型的短期电力负荷预测研究 309KB
基于MFOA-GRNN模型的年电力负荷预测 408KB