文献类型：期刊文章

作　　者：陈耀武[1] 汪乐宇[1] 龙洪玉[1]

机构地区：[1]浙江大学仪器系,浙江杭州310027

出　　处：《中国电机工程学报》

年　　份：2001

卷　　号：21

期　　号：4

起止页码：79-82

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：通过对电力负荷变化规律和影响因素的分析 ,提出了一种基于组合式神经网络的短期电力负荷预测模型。该模型综合运用神经网络、模糊聚类分析和模式识别理论方法进行建模。首先 ,采用模糊聚类分析方法 ,以每天的 2 4点负荷数据、天气数据以及天类别数据为指标 ,将历史数据分成若干类别 ;其次 ,对每一类别建立相应的神经网络预测模型 ;预测时通过模式识别 ,找出与预测天相符的预测类别 ,利用相应的神经网络预测模型进行 2 4小时的短期电力负荷预测。对绍兴地区 2年多的实际负荷变化数据进行预测分析的结果表明 ,该模型不仅对普通工作日有较高的预测精度 ,对双休日。

关 键 词：电力系统 短期电力负荷预测模型  组合式神经网络

分 类 号：TM715]