基于BP神经网络的电力系统负荷预报
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
电力负荷,又称“用电负荷”。电能用户的用电设备在某一时刻向电力系统取用的电功率的总和,称为用电负荷。
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
《现代电力》2005年6月文章--城市电力负荷特性分析及其优化控制,详细探讨了一种基于长期边际成本原理设计的两部制电价结构体系,给出了这一价格体系设计的具体方法和过程。
为了预报电力系统负荷,采用GRNN(广义回归网络)的方法,通过GRNN神经网络和BP神经网络建立电力系统负荷预报网络模型,用MATLAB7.0仿真,达到了预测的目的。利用GRNN神经网络预测结果准确率高,避免了BP网络预测同样的数据库,算法...
设计并实现了神经网络和模糊逻辑相结合的综合预测模型进行短期电力负荷预测。由神经网络和模糊逻辑分别对基本负荷和受天气、节假日影响的负荷进行预测,使其在天气突变等情况下也能达到较高的预测精度。采用
电力负荷预测前应首先对负荷数据进行清洗,根据电力日负荷曲线的特征,应用改进的ART-2 神经网络准确的提取电力日负荷特征曲线,然后利用支持向量数据描述法对不良数据进行精确定位,最后利用特征曲线对不良数