基于人工神经网络和模糊集的电力系统短期负荷预测方法 a method of short-term load forecasting based on artificial neural network and fuzzy logic.pdfVIP

下载本文档

11
0
约3万字
约 5页
2017-08-13 发布于上海
举报
版权申诉

基于人工神经网络和模糊集的电力系统短期负荷预测方法 a method of short-term load forecasting based on artificial neural network and fuzzy logic.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于人工神经网络和模糊集的电力系统短期负荷预测方法 a method of short-term load forecasting based on artificial neural network and fuzzy logic

第 20 卷 2007 牟第 2 期 !!! ! 基于人工神经网络和模糊集的 ! 试验与研究电力系统短期负荷预测方法 !!! 李扬 1李晓明 1黄玲 1陈岭 1舒欣 (武汉大学电气工程学院 9湖北武汉 430072) 摘要 !综合考虑到温度\日期类型和天气等因素对短期电力负荷的影响 1提出了一种将人工神经网络模型 ANN RBF 和模糊逻辑相结合的短期负荷预测方法该方法将电力负荷分为周期性的基本负荷和受多种因素影响的变动负荷两部分1对于周期负荷用 ANN 进行预测1采用负荷预测中比较精确的 RBF 算法变动负荷采用模糊逻辑对天气因素温度\ 日期类型分别做不同的模糊处理 1然后利用模糊推理规则对基本负荷预测结果进行修正通过典型算例与普通 BP 法预测结果相比较 1结果表明该方法具有较高的预测精度关键词 !负荷预报人工神经网络模糊集电力系统运行中图分类号 ! 文献标识码 ! 文章编号 ! TM7 15 A 1006-65l9(2OO7)02-000 1-04 A Method of Short-term Load Forecasting Based on ArtificiaI NeuraI Network and Fuzzy Logic LI Yang, LI Xiao-ming, HUANG Ling, CHEN Ling, SHU Xin (School of Electrical Engineering, Wuhan Uniuersity, Wuhan 430072 9China) Abstract:In order to consider the factors such as temperature date type Weather status and etc Which influence the short -term electric load forecasting, this paper provides a method based on radial basis function neural netWork combined With fuzzy logic. Short -term system load can be subdivided into periodic basic load and variable load influenced by number of factors. ANN is used to forecast the periodic load, here We adopt the RBF model Which is relative precise in load forecastingg We use fuzzy logical to give different fuzzy deals to the Weather factor temperature and date-types, then update the elementary resul