基于粗糙集理论建立短期电力负荷神经网络预测模型

• 作者: 张国立 杨镜非 牛东晓 程浩忠 谢宏
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 负荷预测 神经网络 粗糙集 影响因素
• 年，卷（期）: 2003,（11）
• 所属期刊栏目: 电力工程
• 页码范围: 1-4
• 页数: 4页
• 分类号: TM7152
• 字数: 3482字
• 语种: 中文
• DOI: 10.3321/j.issn:0258-8013.2003.11.001

摘要

选择模型输入变量和网络结构是采用神经网络建立负荷预测模型的关键步骤,该文提出了一种基于粗糙集理论的解决方法.此方法采用粗糙集理论对各种影响负荷预测的因素变量进行识别,以此确定预测模型的输入变量;在此基础上通过属性约简和属性值约简获得推理规则集,再以这些推理规则构筑神经网络预测模型,并采用加动量项的BP学习算法对网络进行优化.此方法能遵循一定的理论原则建立负荷预测模型以避免盲目性.最后通过实例计算证明此方法是可行和有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程浩忠	上海交通大学电气工程系	323	10481	55.0	85.0
2	牛东晓	华北电力大学信息系	306	6130	40.0	64.0
3	张国立	华北电力大学信息系	36	725	12.0	26.0
4	谢宏	上海交通大学电气工程系	8	412	7.0	8.0
5	杨镜非	上海交通大学电气工程系	37	619	10.0	24.0