电力系统及其自动化学报
電力繫統及其自動化學報
전력계통급기자동화학보
PROCEEDINGS OF THE CHINESE SOCIETY OF UNIVERSITIES
2009年
5期
30-35
,共6页
张智晟%段晓燕%李伟婕%龚文杰%孙雅明
張智晟%段曉燕%李偉婕%龔文傑%孫雅明
장지성%단효연%리위첩%공문걸%손아명
短期负荷预测%动态递归小波神经网络%分布估计算法%遗传算法
短期負荷預測%動態遞歸小波神經網絡%分佈估計算法%遺傳算法
단기부하예측%동태체귀소파신경망락%분포고계산법%유전산법
提出了优化动态递归小波神经网络(dynamic recurrent wavelet neural network,DRWNN)短期负荷预测模型.与常规小波神经网络相比,DRWNN有两个关联层,关联层节点起存储网络内部状态的作用;模型构造过程中增强了网络的前馈与反馈联接,形成多层次的网络递归.采用分布估计算法和遗传算法相融合对DRWNN进行优化,融合实质是在解空间"宏观"和"微观"两个层面进行寻优,可克服DRWNN陷入局部最小,提高DRWNN的泛化能力.对两类不同负荷系统日、周预测仿真测试,验证了模型能有效提高预测精度.
提齣瞭優化動態遞歸小波神經網絡(dynamic recurrent wavelet neural network,DRWNN)短期負荷預測模型.與常規小波神經網絡相比,DRWNN有兩箇關聯層,關聯層節點起存儲網絡內部狀態的作用;模型構造過程中增彊瞭網絡的前饋與反饋聯接,形成多層次的網絡遞歸.採用分佈估計算法和遺傳算法相融閤對DRWNN進行優化,融閤實質是在解空間"宏觀"和"微觀"兩箇層麵進行尋優,可剋服DRWNN陷入跼部最小,提高DRWNN的汎化能力.對兩類不同負荷繫統日、週預測倣真測試,驗證瞭模型能有效提高預測精度.
제출료우화동태체귀소파신경망락(dynamic recurrent wavelet neural network,DRWNN)단기부하예측모형.여상규소파신경망락상비,DRWNN유량개관련층,관련층절점기존저망락내부상태적작용;모형구조과정중증강료망락적전궤여반궤련접,형성다층차적망락체귀.채용분포고계산법화유전산법상융합대DRWNN진행우화,융합실질시재해공간"굉관"화"미관"량개층면진행심우,가극복DRWNN함입국부최소,제고DRWNN적범화능력.대량류불동부하계통일、주예측방진측시,험증료모형능유효제고예측정도.