文献类型：期刊文章

作　　者：黎祚[1] 周步祥[1] 林楠[2]

机构地区：[1]四川大学电气信息学院,四川成都610065 [2]四川电力职业技术学院,四川成都610071

出　　处：《电力系统保护与控制》

年　　份：2012

卷　　号：40

期　　号：3

起止页码：56-60

语　　种：中文

收录情况：BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、EI(收录号：20121014835056)、SCOPUS、ZGKJHX、核心刊

摘　　要：提出了一种将模糊聚类技术与人工神经网络中的BP网络相结合的日负荷特性曲线分类与短期负荷预测的方法。通过模糊聚类技术将不同用户的负荷特性曲线进行分类,建立出不同的典型负荷曲线。然后利用同预测曲线相同类型的典型曲线,结合温度、日类型、湿度等对短期负荷预测影响较大的因素作为学习样本建立相应的BP网络模型。针对传统BP算法的不足,利用变学习速率和附加动量来改进BP算法并预测日负荷曲线。通过对实际日负荷曲线样本进行分类和对短期负荷进行预测证明该方法预测精度较高,在实际应用中具备可行性。

关 键 词：模糊聚类 BP网络 日负荷特性曲线  短期负荷  变学习速率  附加动量

分 类 号：TM715]