基于神经网络的电力系统短期负荷预测

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：短期负荷预测是电力系统运行与分析的基础,提高负荷预测精度,是保障电力系统优化决策科学性的重要手段.通过实际采集两地区(云南省和深圳市)气象因素,分别用BP和RBF神经网络模型对两地区进行了短期负荷预测和精度对比分析,发现两种网络模型预测的相对误差均低于10％,但RBF的预测精度和泛化能力方面均优于BP神经网络.最后对两地区2015年1月份7天的电力负荷进行预测,发现两种网络模型预测的准确率均在90％以上,RBF网络的预测精度高于BP网络模型,并且云南省可以获得更准确的预测结果.

外文标题：Power System Short-term Load Forecasting Based on Neural Network

作者：

赵东雷、李丹华、库巍、李文浩、花广如

展开 >

作者单位：

华北电力大学机械工程系,河北保定071003

关键词：

短期负荷预测 RBF神经网络 BP神经网络预测精度

出版年：

2017

DOI：

10.16308/j.cnki.issn1003-9171.2017.09.004