10.3969/j.issn.1006-6519.2007.03.001
证据理论Dempster法则融合神经网络的短期负荷预测
针对传统神经网络收敛速度较慢且实时性较差的缺点,在考虑气候因素的情况下,分别用改进BP网络、径向基函数网络和Elman网络算法对某地区的负荷进行预测.通过对预测误差的分析,用证据理论的Dempster合成法则对算法进行融合,通过选取待预测日之前几天的数据作为融合样本,规定相应的基本信度函数,得到融合后的信度分配,从而决定相应时刻的预测模型.仿真结果表明,经过证据理论融合后选择的负荷预测算法具有较高的预测精度.
证据理论、Dempster合成法则、负荷预测、神经网络
20
TM715(输配电工程、电力网及电力系统)
2007-07-23(万方平台首次上网日期,不代表论文的发表时间)
共5页
1-4,7