基于组合式神经网络的短期电力负荷预测模型

• 作者: 汪乐宇 陈耀武 龙洪玉
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 神经网络 模糊聚类分析 模式识别 短期电力负荷预测 电力系统
• 年，卷（期）: 2001,（4）
• 页码范围: 79-82
• 页数: 4页
• 分类号: TM715
• 字数: 3106字
• 语种: 中文
• DOI: 10.3321/j.issn:0258-8013.2001.04.018

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24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24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、节假日和一些特殊情况也有较好的预测精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈耀武	浙江大学仪器系	135	1037	16.0	26.0
2	汪乐宇	浙江大学仪器系	61	1211	17.0	33.0
3	龙洪玉	浙江大学仪器系	2	138	1.0	2.0