基于RBF神经网络和专家系统的短期负荷预测方法

• 作者: 周琳 夏道止 张涛 王锡凡 赵登福
• 来源期刊: 西安交通大学学报
• 关键词: 短期负荷预测 径向基神经网络 专家系统
• 年，卷（期）: 2001,（4）
• 页码范围: 331-334
• 页数: 4页
• 分类号: TM715
• 语种: 中文
• DOI: 10.3321/j.issn:0253-987X.2001.04.001

摘要

深入研究了天气和特殊事件对电力负荷的影响，建立了结合径向基(RBF)神经网络和专家系统来进行短期负荷预测的模型．利用RBF神经网络的非线性逼近能力预测出日负荷曲线，然后利用专家系统根据天气因素或特殊事件对负荷曲线进行修正，使其在天气突变等情况下也能达到较高的预测精度．利用该模型编制的实用化软件在西北电网的多个电力局投入实际应用，结果表明：该方法同BP神经网络相比，具有较高的预测精度，同时具有较强的实用性．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周琳	西安交通大学电气工程学院	28	357	7.0	18.0
2	赵登福	西安交通大学电气工程学院	37	1399	17.0	37.0
3	夏道止	西安交通大学电气工程学院	39	2222	24.0	39.0
4	王锡凡	西安交通大学电气工程学院	216	10595	60.0	97.0
5	张涛	西安交通大学电气工程学院	76	1386	17.0	36.0