基于概念格的神经网络日最大负荷预测输入参数选择.pdfVIP

下载本文档

1
0
约1.54万字
约 7页
2019-09-07 发布于湖北
举报
版权申诉

基于概念格的神经网络日最大负荷预测输入参数选择.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

第49卷第1期吉林大学学报(理学版) V01．49No．1 of 2011 JournalJilin Jan 2011年1月 University(ScienceEdition) 基于概念格的神经网络日最大负荷预测输入参数选择任海军1’2，张晓星1，肖波3，周淙1 (1．重庆大学输配电装备及系统安全与新技术国家重点实验室。重庆400044； 2．重庆大学软件工程学院，重庆400044；3．重庆市电力公司城区供电局，重庆400050) 摘要：针对电力系统中影响负荷预测精度的众多因素如何选择问题，提出一种概念格属性约筒算法，采用该算法挖掘出与待预测负荷量相关性较大的各属性作为神经网络预测模型的输入参数，降低了输入参数规模，确保了负荷预测模型输入参数的合理性，解决了神经网络模型输入参数的确定问题．通过对重庆市某区实际日最大负荷数据的计算分析，结果表明该算法提高了神经网络模型的预测精度，从而证实了所提出约简算法的合理性和有效性．关键词：神经网络；概念格；属性约简；负荷预测中图分类号：TPl81文献标志码：A 文章编号：1671-5489(2011)01-0087-06 ParametersSelectioninNeuralNetworkLoad Input Forecasting ModeBasedon Lattice Concept REN Xiao—xing‘，XIAOB03，ZHOUQuanl Hai-junl．-。ZHANG New PowerTransmission and (1．StateKeyLaboratoryof EquipmentSystemSecurity Technology，ChongqingUniversity， 400044，China； 400044。China；2．SchoolofSefiwa，eEngineering，ChongqingUniversity，Chongqing Chongqing Power ElectricPower 400050，China) 3．ChengduSupplyBureau，ChongqingCompany，Chongqing Abstract：Thereare factorstoaffectthe ofload ishowtochoosethe many accuracy forecasting．Theproblem factors．Tosolvethe attributereduction of latticewasintroduced．Wechosea problem，an algorithmconcept thathas to loadasthe ofthe modelof propertyparametergoodrelativityforecasting inputpar