基于级联神经网络的短期负荷概率预测新方法

• 作者: 卫志农 孙国强 王丹 郑玉平
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 统计特征 短期负荷预测 级联网络 径向概率神经网络
• 年，卷（期）: 2005,（1）
• 所属期刊栏目: 理论研究
• 页码范围: 95-98
• 页数: 4页
• 分类号: TM731
• 字数: 2247字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-6753.2005.01.016

摘要

针对负荷历史数据的统计特征,提出一种基于RBPN网络和RBF网络的级联神经网络预测方法.本模型将历史负荷与其相对应的影响因素进行模式分类,由最大后验概率判别准则确定待预测日影响因素的模式,并利用其对应模式样本数据进行负荷预测.该算法减少了训练样本的数量,提高了预测精度,最后给出的算例证明该方法是合理有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卫志农	河海大学电气工程学院	239	4926	37.0	61.0
2	孙国强	河海大学电气工程学院	167	3205	29.0	51.0
3	王丹	河海大学电气工程学院	21	315	9.0	17.0
4	郑玉平	国电公司南京自动化研究院	4	432	4.0	4.0