基于数据挖掘的FNN短期电力负荷预测方法研究 |
| |
引用本文: | 崔和瑞,宋秀莉,葛曼倩.基于数据挖掘的FNN短期电力负荷预测方法研究[J].电力系统保护与控制,2009,37(22):54-57. |
| |
作者姓名: | 崔和瑞 宋秀莉 葛曼倩 |
| |
作者单位: | 1.华北电力大学工商管理学院,河北 保定 071003;2.青岛电力设计院有限公司,山东 青岛 266002 |
| |
基金项目: | 国家自然科学基金项目资助(70671039 ) |
| |
摘 要: | 针对人工神经网络模型在进行负荷预测时,大多不考虑气象等因素的影响,提出了一种基于数据挖掘预处理的改进短期电力负荷预测的方法,应用数据挖掘的聚类功能,寻找与预测日同等气象类型的多个历史短期负荷数据序列进行预测,从而提高预测的精度。鉴于ANN模型对不确定性和模糊信息学习处理能力较差的缺点,引用模糊系统的理论,构建模糊神经网络(FNN)模型。通过实例预测和预测结果比较分析表明,提出的方法具有较高的预测精度。
|
关 键 词: | 数据挖掘 聚类分析 短期电力负荷预测 人工神经网络 模糊神经网络 |
|
| 点击此处可从《电力系统保护与控制》浏览原始摘要信息 |
|
点击此处可从《电力系统保护与控制》下载全文 |
|