基于粗糙集与神经网络的电力负荷新型预测模型

摘要：

针对电力系统多因素负荷预测问题的复杂性,融合粗糙集方法与神经网络方法各自的优势,提出一种新型的负荷预测模型--粗糙集径向基函数神经网络模型(RSRBFN). 运用粗糙集方法和信息熵概念,在不改变样本分类质量的条件下约简负荷影响因素,简化了网络输入变量. 通过消去冗余信息,提炼学习样本,获得典型样本. 用典型样本约简隐含层神经元和训练网络,并将网络连接权值学习的非线性极值问题转化为线性规划问题,使网络结构得到优化,提高径向基神经网络的计算效率和预测精度,增强实用性. 数值实验结果说明RSRBFN模型是可行、有效、实用的.

关键词：负荷预测、粗糙集、神经网络、信息熵

所属期刊栏目：24

分类号：TM734;TP18(输配电工程、电力网及电力系统)

资助基金：重庆市科技计划7117

在线出版日期：2004-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：113-119