运用样本更新的实时神经网络进行短期电力负荷预测.pdfVIP

　2003 年 4 月 系统工程理论与实践 第 4 期　 文章编号:(2003) 运用样本更新的实时神经网络进行短期电力负荷预测 王雪峰, 邬建华, 冯英浚, 王建元 ( 哈尔滨工业大学数学系, 黑龙江 哈尔滨 150001) 摘要: 　用多层神经网络模型解决短期电力负荷预测问题, 提出了运用基于非梯度的单参数动态搜索 (SPD S) 算法训练网络 这种学习算法可以克服BP 学习算法对规模大、特征多的问题难以收敛的困难 根据预测日的天气信息进行样本集的动态构造和网络的实时训练 计算结果表明, 文中提出的模型可以 较好地进行短期电力负荷预测, 也验证了 SPD S 学习算法的有效性 关键词: 　短期负荷预测; 多层神经网络; 单参数动态搜索 中图分类号: 　 18; 715　　　　　　　　文献标识码: 　 　　　 T P TM A T he Samp les U pdated R eal tim e N eu ral N etw o rk and Its A pp lication in Sho rt T erm L oad Fo recasting , , , W AN G Xue feng W U J ian hua FEN G Y ing jun W AN G J ian yuan (H arbin Institute of T echno logy, H arbin 150001, Ch ina) : 　 ( ) Abstract A m ulti layer neural netw o rk based on Single Param eter D ynam ic Search A lgo rithm SPD S is p ropo sed fo r sho rt term load fo recasting in th is paper. T he model p ropo sed can overcom e BP , algo rithm ’s dissatisfied convergence fo r large scale p roblem training samp les is dynam ically built acco rd . ing to the info rm ation of the w eather fo recast T he calculations show that the m ethod is efficient fo r . sho rt term load fo recasting : 　 ;