排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
基于组合式神经网络的短期电力负荷预测模型 总被引：39，自引：10，他引：29
通过对电力负荷变化规律和影响因素的分析,提出了一种基于组合式神经网络的短期电力负荷预测模型。该模型综合运用神经网络、模糊聚类分析和模式识别理论方法进行建模。首先,采用模糊聚类分析方法,以每天的24点负荷数据、天气数据以及天类别数据为指标,将历史数据分成若干类别;其次,对每一类别建立相应的神经网络预测模型;预测时通过模式识别,批出与预测天相符的预测类别,利用相应的神经网络预测模型进行24小时的短期电力负荷预测。对绍兴地区2年多的实际负荷变化数据进行预测分析的结果表明,该模型不仅对普通工作日有较高的预测精度,对双休日、节假日和一些特殊情况也有较好的预测精度。 相似文献
2.
文章介绍了基于Ｗｅｂ的ＳＤＨ接入网网管系统ＷＥＢＮＭＳ的体系结构、形式及功能,与传统的ＳＤＨ接入网网管系统相比,ＷＥＢＮＭＳ有更生动、友好的界面,更好的开放性,同时,更易于使用和维护。 相似文献
3.
文章介绍了基于 Web的 SDH接入网网管系统 WEBNMS的体系结构、形式及功能。与传统的 SDH接入网网管系统相比 ,WEBNMS有更生动、友好的界面 ,更好的开放性 ,同时 ,更易于使用和维护。 相似文献
1