电网技术
電網技術
전망기술
POWER SYSTEM TECHNOLOGY
2004年
7期
15-18
,共4页
张步涵%赵剑剑%刘小华%刘沛%程时杰%陆俭
張步涵%趙劍劍%劉小華%劉沛%程時傑%陸儉
장보함%조검검%류소화%류패%정시걸%륙검
小波神经元网络%隶属度%短期负荷预测%电力系统
小波神經元網絡%隸屬度%短期負荷預測%電力繫統
소파신경원망락%대속도%단기부하예측%전력계통
小波神经元网络比多层前馈神经网络具有更多自由度和更好的适应性.为更好地反映气象因素对负荷的影响及提高负荷预测的精度,文章选用Morlet小波构建小波神经元网络,采用误差反传学习算法来训练网络,采用自学习隶属度分析聚类的新方法选择训练样本.并应用武汉电网近年的负荷数据和气象资料进行了建模和预测,预测结果表明所建立的小波神经元网络预测模型具有较好的收敛性,采用自学习隶属度分析聚类方法选择训练样本能改善预测精度.
小波神經元網絡比多層前饋神經網絡具有更多自由度和更好的適應性.為更好地反映氣象因素對負荷的影響及提高負荷預測的精度,文章選用Morlet小波構建小波神經元網絡,採用誤差反傳學習算法來訓練網絡,採用自學習隸屬度分析聚類的新方法選擇訓練樣本.併應用武漢電網近年的負荷數據和氣象資料進行瞭建模和預測,預測結果錶明所建立的小波神經元網絡預測模型具有較好的收斂性,採用自學習隸屬度分析聚類方法選擇訓練樣本能改善預測精度.
소파신경원망락비다층전궤신경망락구유경다자유도화경호적괄응성.위경호지반영기상인소대부하적영향급제고부하예측적정도,문장선용Morlet소파구건소파신경원망락,채용오차반전학습산법래훈련망락,채용자학습대속도분석취류적신방법선택훈련양본.병응용무한전망근년적부하수거화기상자료진행료건모화예측,예측결과표명소건립적소파신경원망락예측모형구유교호적수렴성,채용자학습대속도분석취류방법선택훈련양본능개선예측정도.
