基于人工神经网络的负荷数据预处理

• 作者: 冯继安 姚李孝 薛美娟
• 来源期刊: 西安理工大学学报
• 学科: 工学
• 关键词: 数据预处理 负荷预测 模式识别
• 年，卷（期）: 2007,（3）
• 页码范围: 277-281
• 页数: 5页
• 分类号: TM715
• 字数: 4129字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-4710.2007.03.012

摘要

对历史负荷数据进行处理是提高电力系统负荷预测精度首先要解决的问题.脏数据处理的过程就是对于含有脏数据的负荷曲线模式的辨识过程.首先利用自适应共振网络(ART网)对日负荷曲线进行分类,确定出每一类负荷曲线的特征曲线;然后用超圆神经网络(CC网)对特征曲线进行脏数据辨识;最后利用扩展短期负荷预测方法对脏数据进行修正.对某市2002年8月份的数据进行脏数据辨识,结果证明所提出的模型对脏数据的平均检测率为92.11%,效果令人满意.采用该处理过的历史数据对某市2002年8月14日的负荷进行预测,结果表明,利用该方法处理后的数据进行负荷预测提高了负荷预测的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚李孝	西安理工大学水利水电学院	92	1443	21.0	34.0
2	薛美娟	西安理工大学水利水电学院	10	129	7.0	10.0
3	冯继安	西安理工大学水利水电学院	1	11	1.0	1.0