基于数据挖掘的FNN短期电力负荷预测方法研究

• 作者: 宋秀莉 崔和瑞 葛曼倩
• 来源期刊: 电力系统保护与控制
• 学科: 工学
• 关键词: 数据挖掘 聚类分析 短期电力负荷预测 人工神经网络 模糊神经网络
• 年，卷（期）: 2009,（22）
• 所属期刊栏目: 应用研究
• 页码范围: 54-57
• 页数: 4页
• 分类号: TM715
• 字数: 2966字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2009.22.012

摘要

针对人工神经网络模型在进行负荷预测时,大多不考虑气象等因素的影响,提出了一种基于数据挖掘预处理的改进短期电力负荷预测的方法,应用数据挖掘的聚类功能,寻找与预测日同等气象类型的多个历史短期负荷数据序列进行预测,从而提高预测的精度.鉴于ANN模型对不确定性和模糊信息学习处理能力较差的缺点,引用模糊系统的理论,构建模糊神经网络(FNN)模型.通过实例预测和预测结果比较分析表明,提出的方法具有较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔和瑞	华北电力大学工商管理学院	73	833	18.0	25.0
2	宋秀莉	华北电力大学工商管理学院	6	49	4.0	6.0
3	葛曼倩		2	29	2.0	2.0