本文關(guān)鍵詞：基于模塊化回聲狀態(tài)網(wǎng)絡(luò)的實時電力負(fù)荷預(yù)測

  更多相關(guān)文章： 實時負(fù)荷預(yù)測 模塊化回聲狀態(tài)網(wǎng)絡(luò) 時間序列

【摘要】：電力負(fù)荷預(yù)測特別是實時電力負(fù)荷預(yù)測是電力系統(tǒng)規(guī)劃的重要組成部分,也是電力系統(tǒng)可靠、經(jīng)濟運行的基礎(chǔ)。針對回聲狀態(tài)神經(jīng)網(wǎng)絡(luò)在實時負(fù)荷預(yù)測中存在易受噪聲影響、魯棒性不強、不穩(wěn)定的問題,提出了將基于模塊化回聲狀態(tài)網(wǎng)絡(luò)的方法應(yīng)用于實時電力負(fù)荷預(yù)測中。根據(jù)輸入時序數(shù)據(jù)所引起的儲蓄池內(nèi)部狀態(tài)的相似性對儲蓄池空間進行模塊劃分,將此高維空間劃分為多個子模塊,針對每一個模塊訓(xùn)練一個讀出器,最后把各個模塊的輸出結(jié)果集成輸出。利用模塊化回聲狀態(tài)網(wǎng)絡(luò)模型,對大客戶的實時負(fù)荷數(shù)據(jù)進行預(yù)測,并與幾種短期負(fù)荷預(yù)測模型進行精度和穩(wěn)定性的對比實驗,結(jié)果表明,模塊化回聲狀態(tài)網(wǎng)絡(luò)在實時負(fù)荷預(yù)測中既提高了預(yù)測精度,又增強了預(yù)測的穩(wěn)定性和泛化性能。
【作者單位】： 廣東電網(wǎng)公司電力科學(xué)研究院;華南理工大學(xué)計算機科學(xué)與工程學(xué)院;
【基金】：高等學(xué)校博士學(xué)科點專項科研基金(20110172120027) 廣東省自然科學(xué)基金資助項目(S2012010009961)~~
【分類號】：TM715
【正文快照】： 塊訓(xùn)練一個讀出器,最后把各個模塊的輸出結(jié)果集成輸出。利用模塊化回聲狀態(tài)網(wǎng)絡(luò)模型,對大客戶的實時負(fù)荷數(shù)據(jù)進行預(yù)測,并與幾種短期負(fù)荷預(yù)測模型進行精度和穩(wěn)定性的對比實驗,結(jié)果表明,模塊化回聲狀態(tài)網(wǎng)絡(luò)在實時負(fù)荷預(yù)測中既提高了預(yù)測精度,又增強了預(yù)測的穩(wěn)定性和泛化性能。0

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉瑞葉;黃磊;;基于動態(tài)神經(jīng)網(wǎng)絡(luò)的風(fēng)電場輸出功率預(yù)測[J];電力系統(tǒng)自動化;2012年11期

2 陳剛;周杰;張雪君;張忠靜;;基于BP與RBF級聯(lián)神經(jīng)網(wǎng)絡(luò)的日負(fù)荷預(yù)測[J];電網(wǎng)技術(shù);2009年12期

3 周建中;張亞超;李清清;郭俊;;基于動態(tài)自適應(yīng)徑向基函數(shù)網(wǎng)絡(luò)的概率性短期負(fù)荷預(yù)測[J];電網(wǎng)技術(shù);2010年03期

4 杜鵑;;改進的TSK型動態(tài)模糊神經(jīng)網(wǎng)絡(luò)在短期負(fù)荷預(yù)測中的應(yīng)用(英文)[J];電網(wǎng)技術(shù);2010年04期

5 劉國徽;劉小滿;余雪芳;王勇;;基于ARIMA和LS-SVM組合模型的短期負(fù)荷預(yù)測[J];廣東電力;2010年11期

6 嵇靈;牛東曉;吳煥苗;;基于貝葉斯框架和回聲狀態(tài)網(wǎng)絡(luò)的日最大負(fù)荷預(yù)測研究[J];電網(wǎng)技術(shù);2012年11期

7 張平;潘學(xué)萍;薛文超;;基于小波分解模糊灰色聚類和BP神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測[J];電力自動化設(shè)備;2012年11期

8 王孔森;盛戈v，

本文編號：1219604