基于级联神经网络的短期负荷概率预测新方法

被引：15

作者：

卫志农

王丹

孙国强

郑玉平

机构：

[1] 河海大学电气工程学院,河海大学电气工程学院,河海大学电气工程学院,国电公司南京自动化研究院南京,南京,南京,南京

来源：

电工技术学报 | 2005年 / 01期

关键词：

统计特征; 短期负荷预测; 级联网络; 径向概率神经网络;

D O I：

10.19595/j.cnki.1000-6753.tces.2005.01.016

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

针对负荷历史数据的统计特征,提出一种基于RBPN网络和RBF网络的级联神经网络预测方法。本模型将历史负荷与其相对应的影响因素进行模式分类,由最大后验概率判别准则确定待预测日影响因素的模式,并利用其对应模式样本数据进行负荷预测。该算法减少了训练样本的数量,提高了预测精度,最后给出的算例证明该方法是合理有效的。

引用

页码：95 / 98

页数：4

共 5 条

[1]

神经网络模式识别系统理论.[M].黄德双著;.电子工业出版社.1996,

[2] 基于级联神经网络的短期负荷预测方法 [J].