基于粗糙集理论和启发式径向基函数神经网络的中长期电力负荷预测模型
针对中长期负荷预测的特点,提出了基于当年负荷总量、当年负荷增长量、前年负荷总量、前年负荷增长量和年国内生产总值等多个指标的启发式径向基函数神经网络中长期负荷预测模型.通过正交信号修正法处理原始数据,利用偏最小二乘法拟合出单位国内生产总值电耗.以单位国内生产总值电耗作为启发式算子,在当年历史负荷数据的基础上合理假设待预测年的负荷总量,利用启发式算子反推出该负荷值对应的年国内生产总值,结合其余指标量构建神经网络扩展训练样本训练神经网络,创造性地将神经网络外推预测转化为内插求值.利用粗糙集理论对启发式神经网络模型的预测值进行修正,使预测精度进一步提高.实际算例的结果表明,所提出的方法预测精度较高,具有较强的可行性和实用性.
电力负荷 预测模型 粗糙集理论 径向基函数神经网络 启发式算子
夏非 范莉 苏浩益
南昌工程学院,江西南昌330099 湘潭电业局,湖南湘潭411104
国内会议
南昌
中文
362-367
2013-12-13（万方平台首次上网日期，不代表论文的发表时间）