基于改进型液体状态机的电力负荷预测模型研究

• 作者: 王云松
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 液体状态机 非线性读出器 概率神经网络 电力负荷预测
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 实验室自动化
• 页码范围: 177-179
• 页数: 3页
• 分类号: TM744
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2016.11.177

摘要

为了解决在电力系统中,因为系统规模巨大而导致的电力系统负荷的预测难度增大问题,利用较为先进的递归型人工神经网络进行预测模型建立,同时最大可能地缩减储备池的规模,以保证神经网络在该问题上体现出优异的时间序列预测与非线性建模性能,本文构建了一种基于非线性读出器的新型液体状态机模型.面对基于概率神经网络输出器的液体状态机模型在分类和预测问题上所具备的优秀性能,本文设计了基于概率神经网络输出器的液体状态机电力负荷预测模型,同时与普通的递归型神经网络进行了对比实验.实验结果表明,利用这种非线性读出的液体状态机模型可以较为有效地对电力负荷进行预测,所得到的预测效果对于电力的调度和合理利用有一定的参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王云松	兰州交通大学铁道技术学院	1	0	0.0	0.0