神经网络短期负荷预报模糊化改进  

Fuzzy Improvement of ANN Short-term Load Forecasting

作　　者：夏昌浩[1] 胡翔勇[1] 刘涤尘[2] 

机构地区：[1]三峡大学,湖北宜昌443002 [2]武汉大学,湖北武汉430072

出　　处：《电力学报》2001年第1期11-13,42,共4页Journal of Electric Power

摘　　要：提出了一种简洁实用的基于模糊集的神经网络电力系统短期负荷预报方法 ,计及了天气和日期特征量 ,具有较高的预测精度。采用两种学习算法 ,用实际数据对ANN进行了训练 ,通过比较得出了优化模型。计算实例表明用该方法是可行的。This paper presents a short term load forecasting approach using artificial neural network based on fuzzy set.Considering weather variables and date variables,the approach is better at respects of forecasting accuracy.After training specimen set is established based on actual data,two algorithms are used to train ANN in order to acquire more better results.The calculation results illustrating this approach is practical and effective.

关 键 词：模糊集 神经网络 短期负荷预报 电力系统 

分 类 号：TM715[电气工程—电力系统及自动化]