登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于一种组合模型的短期电力负荷预测
  • 摘要

    为了提高短期电力负荷预测精度,提出了一种组合预测模型.因负荷会受到气候,日期类型等诸多因素影响,在一段时间内,影响因素稳定时,负荷数据呈现平稳的特征,影响因素不稳定时,负荷数据则呈现波动的特征.针对上述特征,组合模型中应用了灰色理论模型,BP神经网络模型,灰色模型在平稳性强的小量数据中呈现出较佳的预测性能,BP神经网络模型对于随机性变化数据有着良好的预测性能.对预测日根据定值U判定预测日的特征量是否突变,根据定值N判定预测时段历史负荷数据波动的强弱,最后判定应用的预测模型,结合两种模型的预测优势,以提升整体负荷预测精度.通过实例分析,验证了此种方法的有效性,是一种实用的短期电力负荷预测方法.

  • 作者

    王瑞  周晨曦  逯静  WANG Rui  ZHOU Chen-xi  LU Jing 

  • 作者单位

    河南理工大学电气工程与自动化学院,河南焦作,454003/河南理工大学计算机科学与技术学院,河南焦作,454003

  • 刊期

    2018年12期 ISTIC PKU

  • 关键词

    负荷预测  神经网络  灰色理论  特征量 

相似文献 查看更多>>
54.145.45.143