基于自适应模糊推理系统的电力短期负荷预测
本文提出基于T-S模型(Takagi-Sugeno)的自适应模糊推理系统(ANFIS)。该系统采用减法聚类初始化模糊推理，把神经网络学习机制引入到逻辑推理中，并用混合学习算法调整前件参数和结论参数，自动产生模糊规则。考虑气象、日期类型等因素，并将学习样本分为三组进行训练和检测。该方法对于受天气影响比较明显的电网，能有效防止不合理预测结果的出现。对于某地区实际负荷的预测结果的分析表明该方法有较高的预测精度，取得了令人满意的结果。
电力负荷预测 T-S模型 减法聚类算法 ANFIS系统 神经网络
杨帆 吴耀武 熊信银 娄素华
华中科技大学电气与电子工程学院,湖北武汉 430074
国内会议
南京
中文
161-165
2006-10-01（万方平台首次上网日期，不代表论文的发表时间）