长沙电力学院学报(自然科学版)
長沙電力學院學報(自然科學版)
장사전역학원학보(자연과학판)
JOURNAL OF CHANGSHA UNIVERSITY OF ELECTRIC POWER(NATURAL SCIENCE)
2003年
3期
34-37
,共4页
短期负荷预测%回归和分类树%神经元网络%负荷模式
短期負荷預測%迴歸和分類樹%神經元網絡%負荷模式
단기부하예측%회귀화분류수%신경원망락%부하모식
通过改进CART(分类和回归树)分类法选择训练样本,可以降低与预测日不一致负荷模式的影响,提高预测精度,并运用人工神经元网络预测下一天的96点负荷.主要包括3个部分.首先,运用CART分类法将输入空间分成若干矩形互斥区域,每一个区域对应一种负荷模式;其次,根据分类结果选取神经元网络的训练样本.最后,合理映射天气因素和日期、星期类型并进行预测.实际应用表明本方法对于大波动负荷地区能够改善预测精度,提高预测速度.
通過改進CART(分類和迴歸樹)分類法選擇訓練樣本,可以降低與預測日不一緻負荷模式的影響,提高預測精度,併運用人工神經元網絡預測下一天的96點負荷.主要包括3箇部分.首先,運用CART分類法將輸入空間分成若榦矩形互斥區域,每一箇區域對應一種負荷模式;其次,根據分類結果選取神經元網絡的訓練樣本.最後,閤理映射天氣因素和日期、星期類型併進行預測.實際應用錶明本方法對于大波動負荷地區能夠改善預測精度,提高預測速度.
통과개진CART(분류화회귀수)분류법선택훈련양본,가이강저여예측일불일치부하모식적영향,제고예측정도,병운용인공신경원망락예측하일천적96점부하.주요포괄3개부분.수선,운용CART분류법장수입공간분성약간구형호척구역,매일개구역대응일충부하모식;기차,근거분류결과선취신경원망락적훈련양본.최후,합리영사천기인소화일기、성기류형병진행예측.실제응용표명본방법대우대파동부하지구능구개선예측정도,제고예측속도.