基于模糊逻辑和神经网络的电力负荷预测

为了提高电力系统负荷预测的精度与速度的需求，提出使用交替梯度算法改进径向基函数（RBF） 神经网络， 对天津市电网进行负荷预测。改进的算法与传统梯度下降算法相比，具有更快的收敛速度和更高的预测精度。 仿真结果表明该算法具...

研究了天气和特殊事件对电力负荷的影响，建立了结合径向基函数神经网络来进行短期负荷预测的模型。将温度、降雨量运用于径向基函数神经网络中，提高了训练的可信度和可靠性。利用该模型编排的实用化软件投入到了实际

bp神经网络对短期电力负荷的预测，一周预测一天，输入是归一过的数据。

电力系统负荷变化易受多方面因素的影响，负荷曲线呈现出强烈的非线性。而BP 神经网络具有较强的非线性映射特性，它只需输入输出样本数据而不需要做复杂的相关假定即可完成系统的建模。通过实验证明将该方

BP神经网络用于负荷预测，电价估计等，详细介绍了每一部的作用，还有数据在里面，可以看见结果图。

本文应用目前较为流行的神经网络方法对电力系统短期负荷进行预报，主要进行了以下工作： 1．了解电力系统短期负荷预报的现状，总结国内外的研究方法。 2．深入学习神经网络及其相关知识，设计出用共轭梯度算法改进的BP网络，并将它...