期刊文献+
共找到124篇文章
< 1 2 7 >
每页显示 20 50 100
基于改进LSTM神经网络的电动汽车充电负荷预测 被引量:9
1
作者 林祥 张浩 +1 位作者 马玉立 陈良亮 《现代电子技术》 北大核心 2024年第6期97-101,共5页
当前对电动汽车(EV)充电负荷预测的研究缺少真实的数据支撑,并且模型考虑场景过于简单,影响因素考虑不到位,预测结果缺乏说服力。基于此,提出一种考虑多种电动汽车充电负荷影响因素的电动汽车充电负荷预测方法。首先,考虑天气、季节、... 当前对电动汽车(EV)充电负荷预测的研究缺少真实的数据支撑,并且模型考虑场景过于简单,影响因素考虑不到位,预测结果缺乏说服力。基于此,提出一种考虑多种电动汽车充电负荷影响因素的电动汽车充电负荷预测方法。首先,考虑天气、季节、温度、工作日、节假日等因素对电动汽车充电负荷的影响,采用三标度层次分析法分析各影响因素权重;其次,建立LSTM神经网络预测模型,通过真实数据训练得到用于预测的LSTM神经网络模型,结合影响因素权重分析结果对预测模型进行修正,得到最终的改进LSTM神经网络负荷预测模型;最后,采用常州某小区的真实数据对所提预测方法进行试验验证。结果表明,所提方法可以实现电动汽车充电负荷的精确预测,且负荷预测结果可为有序充电策略研究提供参考。 展开更多
关键词 电动汽车 充电负荷预测 LSTM神经网络模型 影响因素权重 层次分析法 有序充电
在线阅读 下载PDF
基于LSTM人工神经网络的电力系统负荷预测方法 被引量:15
2
作者 陈胜 刘鹏飞 +1 位作者 王平 马建伟 《沈阳工业大学学报》 CAS 北大核心 2024年第1期66-71,共6页
针对电力市场环境下短期电力系统负荷预测准确性较低的问题,提出了一种基于LSTM人工神经网络的组合预测模型。分析了LSTM神经网络和其变体GRU神经网络在进行负荷预测时学习时序特征的独特优势,并以卷积神经网络作为负荷数据的特征提取层... 针对电力市场环境下短期电力系统负荷预测准确性较低的问题,提出了一种基于LSTM人工神经网络的组合预测模型。分析了LSTM神经网络和其变体GRU神经网络在进行负荷预测时学习时序特征的独特优势,并以卷积神经网络作为负荷数据的特征提取层,结合GRU网络构建了组合模型,通过建立残差预测模型对结果进行修正。仿真结果表明,具有记忆功能的神经网络预测效果要优于ANN和SVM模型,且所提出残差预测模型的负荷预测平均相对误差约为1.79%,其准确性高于单一算法的负荷预测模型。 展开更多
关键词 负荷预测 人工神经网络 长短期记忆 卷积神经网络 平均相对误差 残差修正 特征提取 组合模型
在线阅读 下载PDF
考虑综合需求响应的Transformer-图神经网络综合能源系统多元负荷短期预测 被引量:5
3
作者 李云松 张智晟 《电工技术学报》 EI CSCD 北大核心 2024年第19期6119-6128,共10页
为提高在需求响应情境下,综合能源系统的多元负荷短期预测精度,基于消费者心理学、响应不确定性原理、耦合响应原理,构建了考虑综合需求响应的Transformer-图神经网络(Trans-GNN)预测模型。通过响应不确定性随电价差产生的变化规律和消... 为提高在需求响应情境下,综合能源系统的多元负荷短期预测精度,基于消费者心理学、响应不确定性原理、耦合响应原理,构建了考虑综合需求响应的Transformer-图神经网络(Trans-GNN)预测模型。通过响应不确定性随电价差产生的变化规律和消费者心理学原理,量化在不同概率条件下的电力需求响应结果。通过耦合响应原理,求解包含冷、热耦合响应的综合需求响应信号,最终利用注意力机制将综合需求响应信号引入Trans-GNN预测模型,提高网络模型在需求响应情境下的多元负荷预测能力。算例分析结果表明,该模型能有效地提高预测精度,为计及综合需求响应的多元负荷预测研究提供了一定的理论基础。 展开更多
关键词 综合能源系统 综合需求响应 耦合响应 神经网络 Transformer模型 多元负荷短期预测
在线阅读 下载PDF
基于人工神经网络的负荷模型预测 被引量:117
4
作者 李龙 魏靖 +3 位作者 黎灿兵 曹一家 宋军英 方八零 《电工技术学报》 EI CSCD 北大核心 2015年第8期225-230,共6页
负荷模型是影响电网稳定分析的重要因素,是电力系统进行仿真分析、计算的重要依据之一。若能对次日的最大、最小负荷时刻的负荷模型进行预测,可为调度机构制定运行方式时校核系统稳定性提供重要依据。以静态ZIP负荷模型为基础,分析了影... 负荷模型是影响电网稳定分析的重要因素,是电力系统进行仿真分析、计算的重要依据之一。若能对次日的最大、最小负荷时刻的负荷模型进行预测,可为调度机构制定运行方式时校核系统稳定性提供重要依据。以静态ZIP负荷模型为基础,分析了影响负荷模型的因素,采用人工神经网络方法,对最大、最小负荷时刻的负荷模型参数进行预测。分析了负荷模型参数与负荷预测结果之间的灵敏度,以掌握它们相互间的关系和影响程度,并由此寻找减小误差的方法。以最小负荷的有功模型预测为例,进行了实际预测。算例结果表明,负荷模型预测具有较好的准确率,本文所提方法可行。 展开更多
关键词 电力系统 人工神经网络 灵敏度分析 ZIP负荷模型 负荷模型预测
在线阅读 下载PDF
基于神经网络的负荷组合预测模型研究 被引量:102
5
作者 谢开贵 李春燕 周家启 《中国电机工程学报》 EI CSCD 北大核心 2002年第7期85-89,共5页
给出了电力系统负荷的变权系数组合预测模型,即基于神经网络的组合预测模型。该模型利用多种方法的预测结果与实际负荷数据的非线性关系,建立相应的神经网络模型。该网络为单输出的三层网络,其中输入层为各种预测方法的预测值,输出层为... 给出了电力系统负荷的变权系数组合预测模型,即基于神经网络的组合预测模型。该模型利用多种方法的预测结果与实际负荷数据的非线性关系,建立相应的神经网络模型。该网络为单输出的三层网络,其中输入层为各种预测方法的预测值,输出层为实际负荷值。文中用变动量因子和变学习率的BP算法对其训练,训练后的网络便具有预测能力。同时,文中对基于遗传算法的固定权系数组合预测模型进行了简要的介绍。对几个实际系统的年、月、时负荷预测表明,该模型具有很高的预测精度。 展开更多
关键词 神经网络 负荷组合预测 模型 电力系统
在线阅读 下载PDF
基于Matlab神经网络工具箱的电力负荷组合预测模型 被引量:15
6
作者 刘双 杨丽徙 +2 位作者 王志刚 贾德峰 陈根永 《电力自动化设备》 EI CSCD 北大核心 2003年第3期59-61,共3页
在电力系统负荷预测中,组合预测是一种较为有效的方法。该方法通常是采用对单个预测模型进行加权处理,要求参加组合预测的模型误差能保持稳定,但电力负荷预测结果的误差往往是非均匀性的。针对上述做法存在的问题,提出了基于人工神经网... 在电力系统负荷预测中,组合预测是一种较为有效的方法。该方法通常是采用对单个预测模型进行加权处理,要求参加组合预测的模型误差能保持稳定,但电力负荷预测结果的误差往往是非均匀性的。针对上述做法存在的问题,提出了基于人工神经网络的组合预测模型,利用人工神经网络对复杂非线性系统的拟合能力,通过网络训练自适应地调整各种预测模型的权重。同时,为了避免用常规语言建立人工神经网络负荷预测模型存在的模型结构复杂、训练时间长等缺点,利用Matlab神经网络工具箱建立组合预测模型,该模型不仅编程简单,而且收敛速度快。算例表明了该模型的实用性和有效性。 展开更多
关键词 MATLAB 神经网络工具箱 电力负荷 组合预测模型 负荷预测 人工神经网络 电力系统
在线阅读 下载PDF
基于改进粒子群-径向基神经网络模型的短期电力负荷预测 被引量:26
7
作者 师彪 李郁侠 +3 位作者 于新花 闫旺 何常胜 孟欣 《电网技术》 EI CSCD 北大核心 2009年第17期180-184,共5页
为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群–径向基神经网络算法。用改进的粒子群算法训练径向基神经网络,实现了径向基函数神经网络的参数优化。建立了短期电力负荷预测模型,综合考虑气象、天气、日期类型等影响负... 为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群–径向基神经网络算法。用改进的粒子群算法训练径向基神经网络,实现了径向基函数神经网络的参数优化。建立了短期电力负荷预测模型,综合考虑气象、天气、日期类型等影响负荷的因素进行短期负荷预测。算例结果表明,该算法优于径向基神经网络法和粒子群–径向基网络算法,克服了径向基网络和粒子群优化方法的缺点,改善了径向基神经网络的泛化能力,输出稳定,预测精度高,收敛速度快,平均百分比误差可控制在1.2%以内。 展开更多
关键词 负荷预测 改进粒子群-径向基神经网络模型 泛化能力 预测精度
在线阅读 下载PDF
基于Elman型神经网络的空调负荷预测模型 被引量:17
8
作者 杨嘉 吴祥生 +1 位作者 王宁 张敏琦 《重庆大学学报(自然科学版)》 EI CAS CSCD 北大核心 2002年第8期25-27,31,共4页
空调系统的负荷与诸多影响因素之间是一种多变量、强耦合、严重非线性的关系 ,且这种关系具有动态性 ,因而传统方法的预测精度不高。而动态回归神经网络能更生动、更直接地反映系统的动态特性。针对这个特点 ,建立了基于Elman型神经网... 空调系统的负荷与诸多影响因素之间是一种多变量、强耦合、严重非线性的关系 ,且这种关系具有动态性 ,因而传统方法的预测精度不高。而动态回归神经网络能更生动、更直接地反映系统的动态特性。针对这个特点 ,建立了基于Elman型神经网络的空调负荷预测模型 ,并进行了实例预测。文中还比较了Elman网络和BP网络结构的建模效果 ,仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点 ,说明Elman网络是一种新颖、可靠的负荷预测方法。 展开更多
关键词 模型 负荷预测 神经网络 ELMAN网络 空调系统
在线阅读 下载PDF
预测城市用水量的人工神经网络模型研究 被引量:19
9
作者 俞亭超 张土乔 +1 位作者 毛根海 吴小刚 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2004年第9期1156-1161,共6页
为了提高多层前馈神经网络权的学习效率,引入变尺度方法来训练神经网络的权值,并根据训练误差自适应调整学习系数和动量因子.将该方法应用于城市用水量预测中,建立了非线性人工神经网络预测模型.该模型考虑了城市工业用水重复利用率、... 为了提高多层前馈神经网络权的学习效率,引入变尺度方法来训练神经网络的权值,并根据训练误差自适应调整学习系数和动量因子.将该方法应用于城市用水量预测中,建立了非线性人工神经网络预测模型.该模型考虑了城市工业用水重复利用率、用水人口、经济发展等众多因素对用水量需求的影响,具备系统决策功能.杭州市预测实例表明,建立的模型及其相应计算方法具有较高的预测精度和准确度. 展开更多
关键词 城市用水 人工神经网络模型 预测模型 变尺度法
在线阅读 下载PDF
基于组合式神经网络的短期电力负荷预测模型 被引量:59
10
作者 陈耀武 汪乐宇 龙洪玉 《中国电机工程学报》 EI CSCD 北大核心 2001年第4期79-82,共4页
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 2 4点负荷数据、天气数据... 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 2 4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 ,找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 2 4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。 展开更多
关键词 电力系统 短期电力负荷预测模型 组合式神经网络
在线阅读 下载PDF
基于层次分析法和径向基函数神经网络的中长期负荷预测综合模型 被引量:38
11
作者 李春祥 牛东晓 孟丽敏 《电网技术》 EI CSCD 北大核心 2009年第2期99-104,共6页
中长期负荷预测是电力系统规划与运行的基础工作,提出基于3指标量,即指标总量、指标增长量和指标增长率的综合模型。首先构建层次分析(analytic hierarchy process,AHP)模型,分别对3个指标量进行分析评价,优选出每个指标量的最优预测模... 中长期负荷预测是电力系统规划与运行的基础工作,提出基于3指标量,即指标总量、指标增长量和指标增长率的综合模型。首先构建层次分析(analytic hierarchy process,AHP)模型,分别对3个指标量进行分析评价,优选出每个指标量的最优预测模型,然后利用径向基函数(radial basic function,RBF)神经网络对3个最优模型的预测结果进行拟合,并将GDP因素也作为神经网络输入数据之一,输出最终的预测结果。AHP模型中综合考虑了模型预测误差和模型拟合度,并成功地加入了人工干预的因素,依据专家经验判断模型的信任度和预测结果趋势可信度。AHP模型采用与预测时刻最近的历史数据进行分析,因此具有较好的实时性。实验结果表明该综合模型具有较高的预测精度,实际应用效果较好。 展开更多
关键词 负荷预测 层次分析法 径向基函数神经网络 三指标量 综合模型
在线阅读 下载PDF
蚁群灰色神经网络组合模型在电力负荷预测中的应用 被引量:26
12
作者 王捷 吴国忠 李艳昌 《电力系统保护与控制》 EI CSCD 北大核心 2009年第2期48-52,共5页
灰色GM(1,1)预测模型,在负荷预测中得到了广泛应用,但是也有其局限性。当数据灰度越大,预测精度越差,并且不太适合经济长期后推若干年的预测,在一定程度上是由模型中的参数a造成的,为此引入向量θ,建立蚁群灰色模型,然后与神经网络模型... 灰色GM(1,1)预测模型,在负荷预测中得到了广泛应用,但是也有其局限性。当数据灰度越大,预测精度越差,并且不太适合经济长期后推若干年的预测,在一定程度上是由模型中的参数a造成的,为此引入向量θ,建立蚁群灰色模型,然后与神经网络模型相组合,即建立蚁群灰色神经网络组合预测模型。实证分析表明,该预测方法是合理有效的,与传统的预测方法相比,提高了预测精度,具有较好的实用价值。 展开更多
关键词 负荷预测 GM(1 1) 蚁群算法 BP神经网络 蚁群灰色模型
在线阅读 下载PDF
基于联合数据挖掘技术的神经网络负荷预测模型研究(英文) 被引量:11
13
作者 牛东晓 邢棉 孟明 《电工技术学报》 EI CSCD 北大核心 2004年第9期62-68,共7页
认为提高日负荷预测精度的关键在于预处理,提出了日负荷预测的一种新观点,即基于联合数据挖掘技术的电力负荷神经网络预测新方法。也就是通过多种挖掘技术寻找与预测日同等气象类型的多个历史日负荷,由此进一步提取数据,组成规律强化、... 认为提高日负荷预测精度的关键在于预处理,提出了日负荷预测的一种新观点,即基于联合数据挖掘技术的电力负荷神经网络预测新方法。也就是通过多种挖掘技术寻找与预测日同等气象类型的多个历史日负荷,由此进一步提取数据,组成规律强化、干扰弱化、具有高度相似气象特征的数据序列,对此,再构建人工神经网络预测模型,从而有效地提高了预测的精度,简化了模型的输入和计算,更加便于应用。 展开更多
关键词 电力负荷预测 人工神经网络 模糊分类 灰色关联分析 预测模型
在线阅读 下载PDF
混合模型神经网络在短期负荷预测中的应用 被引量:7
14
作者 赖晓平 周鸿兴 云昌钦 《控制理论与应用》 EI CAS CSCD 北大核心 2000年第1期69-72,共4页
提出了可应用于电力系统负荷预测的混合模型神经网络方法 ,该方法同时具有电力系统负荷预测的传统方法的优点及人工神经网络方法的优点 .该方法中 ,不同的负荷分量采用不同类型的预测方法 ,并采用基本频率的谐振分量作神经网络的输入 ,... 提出了可应用于电力系统负荷预测的混合模型神经网络方法 ,该方法同时具有电力系统负荷预测的传统方法的优点及人工神经网络方法的优点 .该方法中 ,不同的负荷分量采用不同类型的预测方法 ,并采用基本频率的谐振分量作神经网络的输入 ,神经网络的训练采用快速的学习算法进行 .该方法具有很强的实时性和适应性 ,适用于没有气象资料的应用场合 .仿真计算的结果表明 ,预测精度较传统方法来得高 . 展开更多
关键词 混合模型 神经网络 短期负荷预测 电力系统
在线阅读 下载PDF
基于最优可信度的月度负荷综合最优灰色神经网络预测模型 被引量:15
15
作者 李媛媛 牛东晓 《电网技术》 EI CSCD 北大核心 2005年第5期16-19,共4页
月度负荷具有增长和波动二重趋势。作者首次提出以纵向历史数据为原始序列,用灰色预测模型进行增长趋势预测;以横向历史数据为原始序列,用人工神经网络模型进行波动趋势预测的方法,并在此基础上,引入最优可信度的概念,同时考虑了月度负... 月度负荷具有增长和波动二重趋势。作者首次提出以纵向历史数据为原始序列,用灰色预测模型进行增长趋势预测;以横向历史数据为原始序列,用人工神经网络模型进行波动趋势预测的方法,并在此基础上,引入最优可信度的概念,同时考虑了月度负荷的两种趋势,建立了综合最优预测模型。该模型兼顾了前两种模型的建模特点,优于只考虑单一发展趋势负荷预测的模型。对电力负荷预测应用实例的计算结果表明,该方法明显地提高了月度负荷预测的精度,也同样适用于进行周、季负荷等具有二重趋势的负荷序列的预测。 展开更多
关键词 负荷预测 月度负荷 最优可信度 电力系统 人工神经网络 综合最优预测模型
在线阅读 下载PDF
非点源污染负荷预测的多变量灰色神经网络模型 被引量:9
16
作者 李家科 李亚娇 +1 位作者 李怀恩 徐晓辉 《西北农林科技大学学报(自然科学版)》 CSCD 北大核心 2011年第3期229-234,共6页
【目的】建立一种对资料要求较少、精确度较高的非点源污染负荷多变量灰色神经网络预测模型,为有限资料条件下非点源污染负荷的预测提供支持。【方法】针对GM(1,N)模型在原始数据变化幅度较大且趋势不明显时预测效果较差的不足,提出并... 【目的】建立一种对资料要求较少、精确度较高的非点源污染负荷多变量灰色神经网络预测模型,为有限资料条件下非点源污染负荷的预测提供支持。【方法】针对GM(1,N)模型在原始数据变化幅度较大且趋势不明显时预测效果较差的不足,提出并建立用人工神经网络对GM(1,N)模型的残差系列进行修正的改进模型,并将其应用于华县站总氮非点源污染负荷的预测。【结果】在华县站总氮非点源污染负荷预测中,灰色+BP神经网络组合模型拟合预测效果较好,建模阶段和检验阶段的确定性系数(Nash-suttcliffe模拟效率系数)分别为1.00和0.93,优于单独灰色模型或神经网络模型的预测效果。【结论】研究建立的多变量灰色神经网络模型综合了灰色理论和神经网络的优点,提高了模拟精度,为有限资料条件下非点源污染负荷的预测提供了一种有效的方法。 展开更多
关键词 非点源污染 负荷预测 多变量 GM(1 N)模型 BP神经网络 RBF神经网络
在线阅读 下载PDF
考虑回热循环的超超临界机组负荷预测神经网络模型 被引量:17
17
作者 马良玉 成蕾 《热力发电》 CAS 北大核心 2016年第4期19-27,34,共10页
以某超超临界1 000 MW机组为对象,详细分析了影响机组负荷的因素,通过合理选择模型输入参数,采用具有n阶输入时延和m阶输出反馈时延的静态误差反向传播(back propagation,BP)神经网络,建立了考虑回热循环特性的机组负荷预测模型。通过... 以某超超临界1 000 MW机组为对象,详细分析了影响机组负荷的因素,通过合理选择模型输入参数,采用具有n阶输入时延和m阶输出反馈时延的静态误差反向传播(back propagation,BP)神经网络,建立了考虑回热循环特性的机组负荷预测模型。通过扰动仿真试验,对不同结构神经网络模型的负荷预测效果进行比较。结果表明:具有2阶输入时延、2阶输出反馈时延的模型,在各种扰动下均可精确地预测机组负荷,满足自动发电控制(AGC)条件下利用汽轮机回热循环侧可控参数提高机组负荷响应速度的要求。 展开更多
关键词 超超临界 发电机组 回热循环 负荷预测模型 BP神经网络 仿真
在线阅读 下载PDF
神经网络预测城市用水量的等维新息模型 被引量:6
18
作者 张永波 崔玉波 《太原理工大学学报》 CAS 1999年第4期382-384,共3页
根据城市用水量的变化特点,选取能充分体现用水量变化规律的等维新息数据文件,并合理选取期望输出,建立了城市用水量预测的神经网络等维新息模型。经实例验证,并与其他预测方法比较,该模型预测误差小,可满足水源规划等工作需要。
关键词 神经网络 用水 预测 城市 等维新息模型
在线阅读 下载PDF
基于组合神经网络的建筑冷负荷混合预测模型 被引量:1
19
作者 于军琪 高之坤 +2 位作者 赵安军 周敏 虎群 《大连理工大学学报》 CAS CSCD 北大核心 2022年第5期509-517,共9页
准确的建筑冷负荷预测是实现大型中央空调系统优化运行、节能降耗的关键.为此,提出一种天牛须搜索(BAS)算法优化的广义回归神经网络(GRNN)结合长短时记忆(LSTM)神经网络的混合预测模型(BAS-GRNN&LSTM),用于建筑冷负荷预测.首先,采... 准确的建筑冷负荷预测是实现大型中央空调系统优化运行、节能降耗的关键.为此,提出一种天牛须搜索(BAS)算法优化的广义回归神经网络(GRNN)结合长短时记忆(LSTM)神经网络的混合预测模型(BAS-GRNN&LSTM),用于建筑冷负荷预测.首先,采用递归特征消除法得到最佳特征数量并结合随机森林算法做特征选择;再将天牛须搜索算法优化后的广义回归神经网络与长短时记忆神经网络组合,构建冷负荷混合预测模型;最后利用某大型建筑的实测数据进行了仿真实验.结果表明:天牛须搜索算法有很好的稳定性和收敛性,适用于广义回归神经网络参数优化;利用随机森林算法结合递归特征消除法提取出的特征能够更好地建立预测模型,有效增加模型预测精度;相比其他预测模型,BAS-GRNN&LSTM的预测效果更为优越,并能对不同月份冷负荷进行有效预测,泛化能力强,适用于建筑冷负荷预测. 展开更多
关键词 负荷预测 特征提取 组合神经网络 混合预测模型 预测精度
在线阅读 下载PDF
灰色BP神经网络模型的优化及负荷预测 被引量:24
20
作者 周德强 武本令 《电力系统保护与控制》 EI CSCD 北大核心 2011年第21期65-69,共5页
为了提高样本数据较少情况下中长期负荷预测的预测精度,分析了传统GM(1,1)预测模型的缺点,提出了一种适用于中长期负荷预测的GM(1,1)优化建模方法。用一个与GM(1,1)模型的时间响应式具有相同形式的连续函数,拟合灰色系统的原始离散数据... 为了提高样本数据较少情况下中长期负荷预测的预测精度,分析了传统GM(1,1)预测模型的缺点,提出了一种适用于中长期负荷预测的GM(1,1)优化建模方法。用一个与GM(1,1)模型的时间响应式具有相同形式的连续函数,拟合灰色系统的原始离散数据,将连续函数映射到神经网络,构建了GM(1,1)模型的灰参数与BP网络权值的对应关系。用已知负荷作为训练样本,利用BP算法对网络进行优化,当网络收敛时,提取优化的灰参数,实现了应用GM(1,1)模型对中长期负荷预测的优化建模。算例分析结果表明该方法是可行且有效的。 展开更多
关键词 GM(1 1)模型 灰色BP神经网络模型 BP算法 优化建模 中长期负荷预测
在线阅读 下载PDF
上一页 1 2 7 下一页 到第
使用帮助 返回顶部