基于粗糙集的遗传神经网络短期负荷预测方法

• 作者: 唐良瑞 孙毅 徐剑 陆俊
• 来源期刊: 继电器
• 学科: 工学
• 关键词: 短期负荷预测 粗糙集 神经网络 遗传算法
• 年，卷（期）: 2008,（6）
• 所属期刊栏目: 电力市场
• 页码范围: 37-41,47
• 页数: 6页
• 分类号: TM715
• 字数: 5202字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2008.06.009

摘要

结合粗糙集理论、遗传算法和神经网络的优点,提出了一种新的短期负荷预测方法一基于粗糙集的遗传神经网络负荷预测模型.由于影响短期负荷预测的因素众多,通过粗糙集理论中的属性约简对神经网络的输入进行了筛选,找到与预测量相关性大的影响因素作为输入量,减少了神经网络的工作量.为了解决神经网络自身收敛速度慢和容易陷入局部极小的缺陷,利用具有全局搜索能力强等优点的遗传算法与之相结合.实验证明了该算法在速度和精度上都能得到了提高,此方法在短期负荷预测中是可行性、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	唐良瑞	华北电力大学电气与电子工程学院	96	1209	18.0	30.0
2	孙毅	华北电力大学电气与电子工程学院	120	1005	16.0	26.0
3	陆俊	华北电力大学电气与电子工程学院	41	393	13.0	18.0
4	徐剑	华北电力大学电气与电子工程学院	3	28	3.0	3.0