基于改进ART2网络的电力负荷脏数据辨识与调整

• 作者: 秦健 葛良全 顾民
• 来源期刊: 电力系统自动化
• 学科: 工学
• 关键词: 负荷预测 脏数据辨识 ART2神经网络 模式漂移 残差
• 年，卷（期）: 2007,（16）
• 所属期刊栏目: 研制与开发
• 页码范围: 70-74
• 页数: 5页
• 分类号: TM715|TP18
• 字数: 3740字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-1026.2007.16.015

摘要

为提高电力负荷预测和特性分析的精度,应首先对负荷历史数据的脏数据进行辨识和调整.文中提出了基于改进ART2网络的脏数据辨识与调整模型.该模型首先基于类内样本与类中心距离不同会对类中心的偏移产生不同影响的思想,改善了传统的ART2模式漂移的不足,然后根据残差理论以及电力负荷曲线固有的特征,增加了鉴别修正子系统.利用模型中传统的ART2部分对负荷曲线进行分类并提取其特征曲线,然后再利用鉴别修正子系统对输入的负荷数据进行脏数据辨识与调整.实例分析说明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾民	成都理工大学核技术与自动化工程学院	18	89	6.0	9.0
2	葛良全	成都理工大学核技术与自动化工程学院	335	1967	19.0	25.0
3	秦健		1	23	1.0	1.0