基于神经网络的电力系统短期负荷预测

• 作者: 库巍 李丹华 李文浩 花广如 赵东雷
• 来源期刊: 华北电力技术
• 学科: 工学
• 关键词: 短期负荷预测 RBF神经网络 BP神经网络 预测精度
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 电网技术
• 页码范围: 22-27
• 页数: 6页
• 分类号: TM715
• 字数: 3337字
• 语种: 中文
• DOI: 10.16308/j.cnki.issn1003-9171.2017.09.004

摘要

短期负荷预测是电力系统运行与分析的基础,提高负荷预测精度,是保障电力系统优化决策科学性的重要手段.通过实际采集两地区(云南省和深圳市)气象因素,分别用BP和RBF神经网络模型对两地区进行了短期负荷预测和精度对比分析,发现两种网络模型预测的相对误差均低于10％,但RBF的预测精度和泛化能力方面均优于BP神经网络.最后对两地区2015年1月份7天的电力负荷进行预测,发现两种网络模型预测的准确率均在90％以上,RBF网络的预测精度高于BP网络模型,并且云南省可以获得更准确的预测结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	花广如	华北电力大学机械工程系	24	83	6.0	8.0
2	库巍	华北电力大学机械工程系	4	18	3.0	4.0
3	赵东雷	华北电力大学机械工程系	3	11	2.0	3.0
4	李丹华	华北电力大学机械工程系	3	4	1.0	2.0
5	李文浩	华北电力大学机械工程系	4	11	2.0	3.0