基于广义回归神经网络的电力系统中长期负荷预测

• 作者: 伍利 刘学琴 姚李孝 薛美娟
• 来源期刊: 电力自动化设备
• 学科: 工学
• 关键词: 广义神经网络 中长期负荷预测 时间序列预测 BIC准则
• 年，卷（期）: 2007,（8）
• 所属期刊栏目: 分析与研究
• 页码范围: 26-29
• 页数: 4页
• 分类号: TM715
• 字数: 3554字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-6047.2007.08.006

摘要

在介绍广义回归神经网络(GRNN)基本算法、网络结构及平滑参数确定方法的基础上,提出将误差序列的均方值作为网络性能的评价指标并采用最小误差对应的平滑参数,建立了GRNN的预测模型.提出了确定输入神经元数目的方法:根据自回归模型阶次的选择经验初步确定输入神经元数目m;在m值附近进行搜索,对于每一个m值,确定平滑参数后,计算网络对学习样本的预测误差;根据BIC准则评价指标的最小值确定输入神经元数目.将模型应用于某地中长期电力网负荷预测,分别进行了单步预测和多步预测.与BP神经网络模型的预测进行比较,结果表明,采用该方法的预测精度明显高于BP模型,即使在训练集样本数据较少时,该方法的预测准确度仍然很高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚李孝	西安理工大学电力工程系	92	1443	21.0	34.0
2	伍利	西安理工大学电力工程系	18	302	10.0	17.0
3	薛美娟	西安理工大学电力工程系	10	129	7.0	10.0
4	刘学琴	西安理工大学电力工程系	1	33	1.0	1.0