系统仿真学报
繫統倣真學報
계통방진학보
JOURNAL OF SYSTEM SIMULATION
2007年
20期
4790-4793
,共4页
靳忠伟%陈康民%闫伟%王桂华
靳忠偉%陳康民%閆偉%王桂華
근충위%진강민%염위%왕계화
蚁群算法%模糊聚类%动量BP神经网络%负荷预测
蟻群算法%模糊聚類%動量BP神經網絡%負荷預測
의군산법%모호취류%동량BP신경망락%부하예측
通过对电力负荷变化规律和影响因素的分析,提出了一种新的短期电力负荷预测模型.首先,鉴于模糊聚类方法易陷入局部最优解及运算速度慢的缺点,采用蚁群算法中pij(t)改进模糊聚类分析;然后以每天的24点负荷数据、天气数据以及天类别数据为指标,将历史数据聚分成若干簇团,并采用动量BP神经网络针对每一簇团建立相应的预测模型.对山东地区1年的实际数据进行预测分析的结果表明,该模型不仅对普通工作日有较高的预测精度,对双休日、节假日和一些特殊情况(夏季典型日负荷)也有较好的预测精度.
通過對電力負荷變化規律和影響因素的分析,提齣瞭一種新的短期電力負荷預測模型.首先,鑒于模糊聚類方法易陷入跼部最優解及運算速度慢的缺點,採用蟻群算法中pij(t)改進模糊聚類分析;然後以每天的24點負荷數據、天氣數據以及天類彆數據為指標,將歷史數據聚分成若榦簇糰,併採用動量BP神經網絡針對每一簇糰建立相應的預測模型.對山東地區1年的實際數據進行預測分析的結果錶明,該模型不僅對普通工作日有較高的預測精度,對雙休日、節假日和一些特殊情況(夏季典型日負荷)也有較好的預測精度.
통과대전력부하변화규률화영향인소적분석,제출료일충신적단기전력부하예측모형.수선,감우모호취류방법역함입국부최우해급운산속도만적결점,채용의군산법중pij(t)개진모호취류분석;연후이매천적24점부하수거、천기수거이급천유별수거위지표,장역사수거취분성약간족단,병채용동량BP신경망락침대매일족단건립상응적예측모형.대산동지구1년적실제수거진행예측분석적결과표명,해모형불부대보통공작일유교고적예측정도,대쌍휴일、절가일화일사특수정황(하계전형일부하)야유교호적예측정도.
