共查询到18条相似文献,搜索用时 62 毫秒
1.
范例推理是人工智能领域中一种新兴的推理方法,基于范例的推理就是充分利用以前的经验进行推理,求解新问题的过程。文中针对短期负荷预测具有明显周期性的特点,提出了基于范例推理的短期负荷预测方法。首先说明了范例的表示、组织方法,然后选择合适的量度方法进行范例的检索、匹配,最后将得到的最相似范例集进行重用、修正,得到最终预测结果。在范例表示中,使用粗糙集方法为范例属性特征的选择及权重的确定问题提供了一个合理的方法。经实例验证和比较,基于范例推理的负荷预测方法在提高预测精度方面具有明显的优越性。 相似文献
2.
基于模糊粗糙集和神经网络的短期负荷预测方法 总被引:18,自引:1,他引:18
针对采用神经网络进行电力系统短期负荷预测时其网络输入变量的选择是影响预测效果的关键问题,该文提出使用模糊粗糙集理论解决这一问题:对采集到的信息进行特征提取、形成决策表;利用模糊粗糙集理论进行属性约简、去除冗余信息;用得到的属性作为BP网络的输入进行训练预测。该方法既全面考虑了影响负荷预测的历史时间序列、气象等各种因素,为合理地选择神经网络的输入变量提供了一种新的方法,又避免了由于输入变量过多而导致神经网络拓扑结构复杂、训练时间长等不足。计算实例表明,文中提出的方法是有效且可行的。 相似文献
3.
粗糙集理论在短期电力负荷预测中的应用 总被引:4,自引:0,他引:4
影响负荷预测精度的因素众多,为了找到负荷值与各种外在因素之间的关系,利用粗糙集理论对各条件属性进行属性约简分析,从而找到与负荷直接相关的因素,然后将它作为神经网络的输入量进行负荷预测。遗传算法用于属性约简的寻优计算和神经网络的权值修正,经仿真分析证明预测精度和速度都得到改善。 相似文献
4.
粗糙集理论及其在短期电力负荷预测中的应用 总被引:2,自引:0,他引:2
影响负荷预测精度的因素众多,为了找到负荷值与各种外在因素之间的关系,利用粗糙集理论对各条件属性进行属性约简分析,在属性约简算法中采用遗传算法进行寻优计算,找到与负荷直接相关的因素,然后将它作为模糊神经网络的输入矢量进行负荷预测.经仿真分析证明预测精度和速度都得到改善. 相似文献
5.
6.
7.
8.
9.
决策树在短期电力负荷预测中的应用 总被引:1,自引:0,他引:1
提出用C45决策树方法解决负荷预测的样本多样性问题。并进行短期负荷预测。通过计算信息增益找出决策树的最佳生成方案,对连续属性计算其熵值找出最佳分段点进行离散化,阐述了规则的生成及其在短期电力负荷预测中的应用方法,算例结果表明,计算精度较高。 相似文献
10.
人工神经网络在电力系统短期负荷预测中的应用 总被引:6,自引:0,他引:6
提出了基于多层前馈神经网络误差择向传播(BP)模型的电力系统短期负荷预测的方法,根据电力系统短期负荷变化的特性建立了既反映电力系统负荷连续性、周期性及其负荷的变化趋势,又包含天气变化对系统负荷的影响的日负荷模型,以此作为对BP神经网络进行训练的向量样本集。通过实例表明ANN应用于电力系统短期负荷预测的是平行的,有效的,其预报结果比传统的负荷预测方法更准确。 相似文献
11.
网格化的电力系统短期负荷预测的MDRBR模型 总被引:5,自引:2,他引:5
针对大电网的短期负荷预测,建立了按地域划分的网格化电力系统短期负荷预测模型.各子网格根据自身的历史负荷和气象条件建立对网格更为有效的负荷预测模型,并采用了面向粗糙集的默认规则挖掘算法(MDRBR--mining default rules based on rough set)构造各单一预测模型,从而获得更加准确的预测结果.文中首先描述了MDRBR算法,然后分析研究了网格化的日负荷多层规则网络构造过程,并给出了基于MDRBR算法的日负荷预测过程以及对某地历史数据的负荷预测结果.分析结果表明,该网格化负荷预测模型能更加准确地得出预测结果,有效地减少噪声,计算简单,且规则搜索效率高. 相似文献
12.
13.
14.
15.
短期负荷预测的组合数据挖掘算法 总被引:8,自引:3,他引:5
给出了一种短期电力负荷预测的组合数据挖掘算法.通过日负荷特性分析,在设定长度的最近历史日期中选择与预测日天气最相似的为基准日,通过该模式下天气相似日的相关影响因素差异与相应负荷变化率关联规则挖掘建模,挖掘模型算法采用C4.5和CART算法的基于BP网络加权组合,算法还基于范例推理给出节假日调整因子校正节假日的影响,设计出一种高精确度短期负荷预测系统.实际应用结果表明该组合算法预测精确度高、效果良好. 相似文献
16.
电力负荷的模糊粗糙集预测方法研究 总被引:3,自引:6,他引:3
通常空间电力负荷的影响因素较多 ,小区划分较小时模糊推理规则将成倍增加 ,为此引入了粗糙集理论的属性约简方法简约预测因子 ,即采用粗糙集理论的不可分辨性关系约简可能影响小区用地决策的距离和环境等相关属性 ,得出决定小区用地类型的决策推理规则库 ;为克服模糊理论确定权重系数的主观性 ,应用粗糙集理论中属性重要度分析计算了各条件属性对各用地类型的不同权重。重庆江北某区域空间电力负荷预测的结果显示 ,粗糙集与模糊集理论相结合能节约存储空间且能提高预测速度 相似文献
17.
基于增量约简算法确定电力负荷预测模型输入参数 总被引:7,自引:1,他引:7
针对电力系统中有众多因素影响负荷预测精度的问题,文中引入粗糙集理论中的属性约简算法来挖掘与待预测量相关性大的各属性,保证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.针对基于区分矩阵约简算法是NP问题的弱点,提出了基于属性优先级函数的启发式约简算法(RAPHF);针对负荷预测过程中样本数据是滚动更新的特点,在RAPHF的基础上提出了具有动态挖掘能力的粗糙集增量算法RAPHF-I.通过短期负荷预测的实例研究,证实了文中改进算法的有效性. 相似文献