模糊聚类分析和代数算法结合的短期负荷预测.pdf

模糊聚类分析和代数算法结合的短期负荷预测.pdf

ID:52488985

大小:329.81 KB

页数:5页

时间:2020-03-28

模糊聚类分析和代数算法结合的短期负荷预测.pdf_第1页
模糊聚类分析和代数算法结合的短期负荷预测.pdf_第2页
模糊聚类分析和代数算法结合的短期负荷预测.pdf_第3页
模糊聚类分析和代数算法结合的短期负荷预测.pdf_第4页
模糊聚类分析和代数算法结合的短期负荷预测.pdf_第5页
资源描述:

《模糊聚类分析和代数算法结合的短期负荷预测.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第23卷第3期电力系统及其自动化学报V01.23No.32011年6月ProceedingsoftheCSU—EPSAJun.2O11模糊聚类分析和代数算法结合的短期负荷预测周虎,江岳春,陈旭,黄珊,彭信淞(湖南大学电气与信息工程学院,长沙410082)摘要:为了提高短期负荷预测速度和精度,提出了将模糊聚类分析和神经网络代数算法相结合的短期负荷预测方法。综合考虑天气、日类型、历史负荷等对未来负荷变化的影响,通过模糊聚类分析选取学习样本,找出同预测日相符的预测类别,采用神经网络代数算法训练样本,对24小时负荷(24点)

2、每点建立一个预测模型。该方法充分发挥了神经网络和模糊理论处理非线性问题的能力,提高了学习效能,而且克服了传统BP算法存在的缺点。算例分析结果表明该方法有较高的预测精度,取得了令人满意的结果。关键词:短期负荷预测;模糊聚类分析;神经网络代数算法;反向传播算法中图分类号:TM715文献标志码:A文章编号:10038930(2011)03010105Short_termLoadForecastingMethodUsingCombinationofFuzzyClusteringandAlgebraAlgorithmofNeu

3、ralNetworksZHOUHu,JIANGYue—chun,CHENXu,HUANGShan,PENGXin—song(CollegeofElectronicandInformationEngineering,HunanUniversity,Changsha410082,China)Abstract:Inordertoimprovethespeedandaccuracyofshort—termloadforecastingconsideringthecombinedinfluenceofweather,dayty

4、peandhistoricalloaddata,anewshort—termloadforecastingmethodisproposed.Theselectionoflearningsamplesiscarriedoutbythefuzzyclusteringmethod,andthenbasedonfindingOUtthecategorycoincidentwiththatofthedailyloadtObeforecastedandusingtheneuralnetworkalgebraalgo—rithm,

5、aforecastingmodelforeachofthe24pointsareestablished.Inthismethod,thecapacityofhandlingnon—linearproblemsofneuralnetworkandfuzzytheoryismadefullusetoimprovethelearningefficiencyandovercometheshortcomingofthetraditionalBPalgorithm.Thecasestudyresultsshowthatthepr

6、oposedmethodhasbetterperformancewithregardstOforecastingaccuracy.Keywords:short—termloadforecasting;fuzzyclusteringanalysis;neuralnetworkalgebraalgorithm;BP(BackPropagation)algorithm短期电力负荷预测l】是电力系统运行调度中时间强烈的依赖于初值选择,易陷人局部最小,无一项非常重要的内容,它是保证电力系统安全经济法在网络训练之前确定网络的隐层

7、神经元个数,只运行和实现电网科学管理及调度的重要方面,是能能采用凑试和反复试验的办法来确定。近年来一些量管理系统EMS(energymanagementsystem)的学者围绕BP算法的这些缺点展开了广泛的研究,组成部分。提出了很多改进理论,如改变学习率、加入动量项目前,短期负荷预测方法运用较多的是人工神以及引入陡度因子等。虽然在一定程度上使BP算经网络ANN(artificialneuralbetworks)。传统的法得到了改善,但还是不能从根本上克服BP算法神经网络大多运用反向传播BP(back的本质缺点。因此本

8、文采用一种新的神经网络算法propagation)算法,其采用误差函数的梯度下降优一代数算法和模糊聚类分析的组合短期负荷化方法,训练过程可能不收敛或收敛很慢,训练的预测方法。代数算法的优点有:将复杂的非线收稿日期:2009—11—30;修回日期:2010—01—28·102·电力系统及其自动化学报第23卷性优化问题转化为一组代数线性方程组来求解

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。