短期电力负荷预测研究

• 作者: 王世芳 许祎
• 来源期刊: 电子测试
• 关键词: 遗传算法 Elman神经网络算法 小波变换
• 年，卷（期）: 2015,（19）
• 所属期刊栏目: 测试工具与解决方案
• 页码范围: 104-105
• 页数: 2页
• 字数: 1773字
• 语种: 中文

摘要

电力系统负荷预测通过对历史数据分析，预测未来需求。本文先用小波聚类对数据进行负荷分类，再分别用经典的遗传算法、Elman神经网络算法、小波-神经网络算法和组合智能算法建立预测模型。通过比较以上几种短期电力负荷预测模型的仿真结果，验证了混合智能算法可以大大增强负荷预测结果的准确性和可靠性，具有良好的应用前景。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王世芳	安徽工程大学电气工程学院	5	4	1.0	2.0
2	许祎	安徽工程大学电气工程学院	1	3	1.0	1.0