基于神经网络优化组合的短期负荷预测

• 作者: 康龙云 陈晓娥
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 短期负荷预测 神经网络 灰色模型 预测精度
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 工程实践
• 页码范围: 161-164
• 页数: 4页
• 分类号: TP393
• 字数: 3323字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2010.03.043

摘要

通过对电力负荷变化规律和影响因素的分析,集结多种单个模型所包含的信息,进行最佳组合,提出了在单一模型预测结果基础之上的基于神经网络的优化组合预测,确定了网络训练样本和隐含层的个数,可使提前一天的预测精度较传统预测模型有较大提高.并当发现某一点预测误差过大,可对该点利用文中提出的误差灰色模型修正预测结果,这样不仅可提高整体预测精度,更重要的是减小最大预测误差值和减少大预测误差发生的次数.仿真结果验证了该预测模型的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	康龙云		46	450	12.0	20.0
2	陈晓娥		5	3	1.0	1.0