一种基于小波神经元网络的短期负荷预测方法

• 作者: 刘小华 刘沛 张步涵 程时杰 赵剑剑 陆俭
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 小波神经元网络 隶属度 短期负荷预测 电力系统
• 年，卷（期）: 2004,（7）
• 所属期刊栏目: 电力系统
• 页码范围: 15-18
• 页数: 4页
• 分类号: TM714
• 字数: 3305字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-3673.2004.07.004

摘要

小波神经元网络比多层前馈神经网络具有更多自由度和更好的适应性.为更好地反映气象因素对负荷的影响及提高负荷预测的精度,文章选用Morlet小波构建小波神经元网络,采用误差反传学习算法来训练网络,采用自学习隶属度分析聚类的新方法选择训练样本.并应用武汉电网近年的负荷数据和气象资料进行了建模和预测,预测结果表明所建立的小波神经元网络预测模型具有较好的收敛性,采用自学习隶属度分析聚类方法选择训练样本能改善预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张步涵	华中科技大学电气与电子工程学院	81	2172	25.0	45.0
2	程时杰	华中科技大学电气与电子工程学院	210	6798	45.0	74.0
3	刘沛	华中科技大学电气与电子工程学院	137	4220	40.0	60.0
4	赵剑剑	华中科技大学电气与电子工程学院	3	122	2.0	3.0
5	陆俭		3	84	3.0	3.0
6	刘小华	华中科技大学电气与电子工程学院	3	146	3.0	3.0