带温度补偿的神经网络用于电力系统短期负荷预测

• 作者: 夏经德 夏道止
• 来源期刊: 西北电力技术
• 学科: 工学
• 关键词: 电力系统 短期负荷预测 神经网络 温度补偿 BFGS优化算法
• 年，卷（期）: 2006,（3）
• 所属期刊栏目: 试验研究
• 页码范围: 1-4
• 页数: 4页
• 分类号: TM714
• 字数: 2531字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7598.2006.03.001

摘要

带温度补偿的神经网络结构和短期负荷预测方法在前向神经网络的输入和输出节点上对负荷引入了相应的温度补偿,其中所涉及的临界温度和温度补偿系数将与前向神经网络本身的权系数一起通过训练而自动获得.对陕西电网2001年1月开始连续45个月的预测试验结果表明,高温日期的平均负荷预测精度比用常规前向神经网络高3%～6%.神经网络的训练采用求解无约束最优化问题的BFGS算法,不但保证了神经网络学习的收敛性,而且可以减少隐节点的数目,使神经网络的推广能力和预测精度显著提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏道止		39	2222	24.0	39.0
2	夏经德		23	207	9.0	14.0