河南理工大学电气工程与自动化学院 2. 河南理工大学计算机科学与技术学院
纸质出版:2022
移动端阅览
王瑞, 杨炜炜, 逯静. 模糊C均值结合神经网络的短期电力负荷预测[J]. 传感器与微系统, 2022,(6):138-141.
模糊C均值结合神经网络的短期电力负荷预测[J]. 2022, (6): 138-141.
王瑞, 杨炜炜, 逯静. 模糊C均值结合神经网络的短期电力负荷预测[J]. 传感器与微系统, 2022,(6):138-141. DOI: 10.13873/J.1000-9787(2022)06-0138-04.
模糊C均值结合神经网络的短期电力负荷预测[J]. 2022, (6): 138-141. DOI: 10.13873/J.1000-9787(2022)06-0138-04.
为了提高电力系统负荷预测的预测精度,提出一种模糊C均值(FCM)聚类算法和改进的径向基函数(RBF)神经网络相结合的短期电力负荷预测模型。通过聚类算法对样本进行聚类处理,采用同类特征的数据作为预测输入,强化了样本规律性,提升预测精度。引入模拟退火粒子群优化(SA-PSO)算法来修正神经网络参数,克服了RBF容易陷入局部极小值的缺陷,使输出更接近实际值。利用河南省某县的实际负荷验证该模型的有效性,与传统RBF神经网络相比可有效提高神经网络的学习精度,减少训练次数,具有良好的学习性和适应性。
基于粒子群优化径向基函数神经网络的电力负荷预测 [J]. 关书怀,沈艳霞. 传感器与微系统 . 2021(05)
模拟退火算法优化PSO-GA算法解决柔性流水车间调度问题 [J]. 景会成,王颖. 小型微型计算机系统 . 2020(05)
模糊聚类与神经网络在电力负荷数据修正上的应用 [J]. 郝晓弘,宋吉祥,裴婷婷,张春燕,李亚岚,周治伊. 传感器与微系统 . 2020(04)
改进粒子群优化RBF神经网络在短期电力负荷预测上的研究 [J]. 王成武,郭松林,王伟. 电子测试 . 2020(03)
基于膜聚类的改进极限学习机在短期负荷预测中的应用 [J]. 杨云莹,王军,彭宏,侯萱,李佳龙. 水电能源科学 . 2019(12)
基于改进BP神经网络的短期电力负荷预测方法研究 [J]. 王克杰,张瑞. 电测与仪表 . 2019(24)
基于行业聚类的负荷特性分析及预测 [J]. 袁鸣峰,刘陶,山宪武,徐一晨. 电气自动化 . 2019(05)
改进PSO算法的性能分析与研究 [J]. 雷秀娟,付阿利,孙晶晶. 计算机应用研究 . 2010(02)
基于硬C均值聚类算法和支持向量机的电力系统短期负荷预测 [J]. 姜惠兰,刘晓津,关颖,王梦宾. 电网技术 . 2006(08)
模拟退火算法及其在短期负荷预测中应用 [J]. 廖立,忻建华,叶春. 电力自动化设备 . 2004(04)
基于模拟退火的粒子群优化算法 [J]. 高鹰,谢胜利. 计算机工程与应用 . 2004(01)
0
浏览量
363
下载量
CSCD
关联资源
相关文章
相关作者
相关机构