位置:成果数据库 > 期刊 > 期刊详情页
基于高阶BP神经网络的日最大负荷预测
  • ISSN号:1672-0792
  • 期刊名称:《电力科学与工程》
  • 时间:0
  • 分类:TM715[电气工程—电力系统及自动化]
  • 作者机构:上海理工大学光电信息与计算机工程学院,上海200093
  • 相关基金:国家自然科学基金资助项目(61205076)
中文摘要:

随着社会的发展,人们的日常生活和工作生产越来越依赖于电力系统.精准的电力负荷预测是电网安全、稳定运行的重要保障.为减小节假日在日最大负荷预测过程中的影响,提出了法定节假日对日最大负荷的影响及日类型量化处理方法,并采用一种改进的BP(back propagation)神经网络——高阶BP神经网络进行连续多天最大负荷预测.实验算例结果表明:该数据处理和预测方法能有效地减小节假日对负荷预测的影响,提高了预测精度,并有较强的工程实践价值和应用前景.

英文摘要:

With the development of society,people's daily life and work increasingly depend on the production of power system. Accurate power load prediction is a key guarantee for safe and stable operation of the grid. Based on the characteristics of historical load data, effect of legal holiday on the daily peak load as well as the method of quantifying day type were put forward in this paper, when the daily peak load was predicted. A modified back propagation(BP) neural network, advanced BP network(ABP), was adopted to predict the continuous multi-day daily peak load. The simulation results showed that this data processing and prediction method could effectively demonstrated the influence of holiday on load prediction and improved the prediction accuracy. It has a strong practice value and wide application prospect.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《电力科学与工程》
  • 主管单位:中华人民共和国教育部
  • 主办单位:华北电力大学
  • 主编:王增平
  • 地址:河北保定市永华北大街619号华北电力大学
  • 邮编:071003
  • 邮箱:dlkxygc@163.com
  • 电话:0312-7522435
  • 国际标准刊号:ISSN:1672-0792
  • 国内统一刊号:ISSN:13-1328/TK
  • 邮发代号:18-182
  • 获奖情况:
  • 国家期刊奖,全国水利电力科技成果奖,电力部优秀期刊奖
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,英国科学文摘数据库
  • 被引量:5650