南京工程学院学报（自然科学版）
南京工程學院學報（自然科學版）
남경공정학원학보（자연과학판）
JOURNAL OF NANJING INSTITUTE OF TECHNOLOGY(NATURAL SCIENCE EDITION)
2015年
1期
53-57
,共5页
冯煜坤%张仰飞%季玮%陈古今
馮煜坤%張仰飛%季瑋%陳古今
풍욱곤%장앙비%계위%진고금
短期负荷预测%神经网络%反向传播
短期負荷預測%神經網絡%反嚮傳播
단기부하예측%신경망락%반향전파
short term load forecast%neural network%back propagation
基于欧洲智能技术网络（EUNITE）竞赛提供的负荷数据，对同一策略下几种改进前向神经网络（BP-ANN）算法在电力系统短期负荷预测的应用进行了分析。通过选择、量化输入数据，利用MATLAB神经网络工具箱，分别对比了几种不同的BP网络训练算法在短期负荷预测中的训练速度及预测准确度上的优劣。结果表明RPROP算法有较明显的优势。
基于歐洲智能技術網絡（EUNITE）競賽提供的負荷數據，對同一策略下幾種改進前嚮神經網絡（BP-ANN）算法在電力繫統短期負荷預測的應用進行瞭分析。通過選擇、量化輸入數據，利用MATLAB神經網絡工具箱，分彆對比瞭幾種不同的BP網絡訓練算法在短期負荷預測中的訓練速度及預測準確度上的優劣。結果錶明RPROP算法有較明顯的優勢。
기우구주지능기술망락（EUNITE）경새제공적부하수거，대동일책략하궤충개진전향신경망락（BP-ANN）산법재전력계통단기부하예측적응용진행료분석。통과선택、양화수입수거，이용MATLAB신경망락공구상，분별대비료궤충불동적BP망락훈련산법재단기부하예측중적훈련속도급예측준학도상적우렬。결과표명RPROP산법유교명현적우세。
Based on the load data provided by EUNITE competition,several modified BP-ANN algorithms of the same strategy used in short-term load forecasts are analyzed.By selecting appropriate quantified input data and using MATLAB neural network toolbox,the training speed and prediction accuracy of several BP network training algorithms applied in short term load forecasts are compared.The results show that RPROP algorithm is apparently advantageous.
