基于人工神经网络的电力负荷坏数据辨识与调整

• 作者: 张国江 李继红 邱家驹
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 坏数据辨识 神经网络 特征曲线 泛化
• 年，卷（期）: 2001,（8）
• 页码范围: 104-107，113
• 页数: 5页
• 分类号: TM715
• 字数: 4614字
• 语种: 中文
• DOI: 10.3321/j.issn:0258-8013.2001.08.023

摘要

电力负荷坏数据辨识应充分考虑负荷曲线本身的特征。先用Kohonen网对日负荷曲线进行聚类，产生各类的特征曲线；然后用特征曲线及由此产生的含有坏数据的曲线形成的样本集对BP网进行训练，利用BP网的泛化能力，使之具备对本类曲线进行坏数据精确定位的能力；最后利用特征曲线进行坏数据的调整。该方法能够做到离线训练，在线辨识，实例分析取得了良好的效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张国江	浙江大学电气工程学院	2	205	2.0	2.0
2	邱家驹	浙江大学电气工程学院	76	2631	30.0	50.0
3	李继红		8	337	7.0	8.0