基于数据挖掘的FNN短期电力负荷预测方法研究OA北大核心CSTPCD
Research on FNN short-term electric load forecasting based on data mining technology
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.
崔和瑞;宋秀莉;葛曼倩
华北电力大学工商管理学院,河北,保定,071003华北电力大学工商管理学院,河北,保定,071003青岛电力设计院有限公司,山东,青岛,266002
信息技术与安全科学
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
《电力系统保护与控制》 2009 (22)
基于协同知识挖掘的电力负荷预测理论研究
54-57,4
国家自然科学基金项目资助(70671039
评论