基于相似日和RBF神经网络的短期电力负荷预测  

Short-term electric load forecasting based on similar day and RBF neural network

作　　者：王瑞 孙忆枫 逯静[2] WANG Rui;SUN Yi-feng;LU Jing

机构地区：[1]河南理工大学电气工程与自动化学院,焦作454000 [2]河南理工大学计算机科学与技术学院,焦作454000

出　　处：《制造业自动化》2021年第4期24-29,共6页Manufacturing Automation

基　　金：国家自然科学基金项目(61973105);河南省科技攻关项目(182102210054);河南高校重点科研项目(18A470012)。

摘　　要：短期电力负荷预测中选取合适的相似日作为训练样本可以简化训练过程并提高预测精度。为了减小积温效应对相似日选取的影响,提出了一种根据综合相似度选取相似日的方法。通过将温度和其他负荷影响因素分别计算相似度,从而根据计算得到的综合相似度来选取相似日。此外,为了提高RBF神经网络的预测效果,将训练样本先用减聚类进行聚类,根据聚类结果设置模糊c-means聚类的初值,运用模糊c-means聚类来优化RBF神经网络的隐含层参数,最后结合相似日和改进RBF神经网络进行短期电力负荷预测。通过实际电力负荷数据的仿真分析验证了所提方法的有效性。

关 键 词：相似日 RBF神经网络 短期负荷预测 减聚类 模糊c-means聚类 积温效应 

分 类 号：TM715[电气工程—电力系统及自动化]