基于事例推理的负荷预测
人工智能中的事例推理是解决短期负荷预测问题的新方法。事例推理的特点是将历史经验作为代替规则专家系统的”知识”存储在事例库中。对于新的预测问题，系统从事例库中检索出相似事例,并将数据(来自相似事例集)输入到神经网络中训练,这样既有效克服了大数据量训练的盲目性,大大减少了网络输入的节点数,提高训练效率,又提高了预测精度。在事例修正中,针对非正常日的预测误差较大的问题，文中给出了统一的修正公式。经实例验证比较表明,该方案是有效可行的。
短期负荷预测 事例推理 神经网络 相似度 人工智能
屈利 苑津莎 张卫华 李丽
华北电力大学电气与电子工程学院 保定 071003
国内会议
合肥
中文
445-448
2007-10-01（万方平台首次上网日期，不代表论文的发表时间）