短期负荷预测相关因素的自适应训练

• 作者: 周安石 夏清 康重庆 彭涛 沈瑜 程旭 高峰
• 来源期刊: 电力系统自动化
• 学科: 工学
• 关键词: 短期负荷预测 虚拟预测 相关因素 综合模型 摄动算法 遗传算法
• 年，卷（期）: 2002,（18）
• 所属期刊栏目: 电力大系统灾变防治和经济运行重大课题专栏
• 页码范围: 6-10
• 页数: 5页
• 分类号: TM715|TP18
• 字数: 5926字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-1026.2002.18.002

摘要

提高预测精度是短期负荷预测的基本目标.目前已提出了处理相关因素的规范策略和短期负荷预测的综合模型.在此基础上,将自适应训练的思想引入到短期负荷预测相关因素处理中,提出了相关因素自适应训练的若干概念,并分析了自适应训练中的基本问题,给出了短期负荷预测过程的抽象化模型,提出了两种训练负荷相关因素的算法:摄动算法和遗传算法,最后比较了这两种算法的优缺点.算例分析表明,通过自适应训练相关因素,实际预测的效果得到显著改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	康重庆	清华大学电机系	154	6760	47.0	79.0
2	夏清	清华大学电机系	173	6607	45.0	76.0
3	高峰	清华大学电机系	67	836	17.0	28.0
4	彭涛	清华大学电机系	21	753	11.0	21.0
5	周安石	清华大学电机系	10	437	9.0	10.0
6	沈瑜	清华大学电机系	41	2289	24.0	41.0
7	程旭	清华大学电机系	5	214	4.0	5.0