电力系统短期负荷预测的多神经网络集成模型

• 作者: 孙凌燕 李军军 谢卫 黄家圣
• 来源期刊: 上海海事大学学报
• 关键词: 自适应神经网络 短期负荷预测 Boosting算法
• 年，卷（期）: 2005,（3）
• 所属期刊栏目: 电气工程与自动化
• 页码范围: 64-67
• 页数: 4页
• 分类号: TM734
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9498.2005.03.014

摘要

提出一种改进的多神经网络集成自适应Boosting回归算法,算法中引入"早停规则"和"噪声扰动".利用这种方法对电力系统日负荷预测进行相关的研究,进而采用美国加州电力市场的实际数据,构造相应的预测模型.结果表明,与传统的单网络预测模型相比,Boosting多网络集成预测模型能显著提高模型输出的稳定性,获得更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李军军	上海海事大学物流工程学院	35	443	9.0	20.0
2	谢卫	上海海事大学物流工程学院	57	126	6.0	7.0
3	孙凌燕	上海海事大学物流工程学院	3	72	2.0	3.0
4	黄家圣	上海海事大学物流工程学院	1	7	1.0	1.0