继电器
繼電器
계전기
RELAY
2004年
17期
34-37
,共4页
短期负荷预测%人工神经网络%径向基函数
短期負荷預測%人工神經網絡%徑嚮基函數
단기부하예측%인공신경망락%경향기함수
在分析了某地区日平均负荷曲线的年周期性、周周期性、日周期性的基础上提出了每日24个整点负荷值的分段预测模型.根据该模型建立相应的RBF神经网络进行预测.并将预测结果与实际负荷值、由传统的BP网络模型得到的结果分别进行了对比分析,表明这种模型结合RBF神经网络的预测效果具有较高的精度,具备了一定的实用价值.
在分析瞭某地區日平均負荷麯線的年週期性、週週期性、日週期性的基礎上提齣瞭每日24箇整點負荷值的分段預測模型.根據該模型建立相應的RBF神經網絡進行預測.併將預測結果與實際負荷值、由傳統的BP網絡模型得到的結果分彆進行瞭對比分析,錶明這種模型結閤RBF神經網絡的預測效果具有較高的精度,具備瞭一定的實用價值.
재분석료모지구일평균부하곡선적년주기성、주주기성、일주기성적기출상제출료매일24개정점부하치적분단예측모형.근거해모형건립상응적RBF신경망락진행예측.병장예측결과여실제부하치、유전통적BP망락모형득도적결과분별진행료대비분석,표명저충모형결합RBF신경망락적예측효과구유교고적정도,구비료일정적실용개치.
