中长期负荷预测的模糊竞争学习聚类神经网络算法
电力系统中长期负荷预测受大量不确定因素的影响，聚类方法能够将各种影响因素综合引入预测模型，提高了预测精度。本文采用模糊竞争学习聚类神经网络用于中长期负荷预测，并且对聚类神经网络的学习算法进行了改进，利用模糊竞争学习完成网络运算，弥补了网络输出结果二值性的不足。运用文中所述模型及算法综合考虑了历史负荷情况和未来不确定因素等对未来负荷变化的影响。通过与传统方法进行中长期负荷预测比较，结果表明该方法可以提高负荷预测的精度。
电力系统 负荷预测模型 聚类算法 神经网络
岳璐 张尧 尹文琴 马仲能
华南理工大学电力学院,广东广州,510641
国内会议
合肥
中文
2007-10-01（万方平台首次上网日期，不代表论文的发表时间）