中长期负荷预测的模糊竞争学习聚类神经网络算法

摘要

电力系统中长期负荷预测受大量不确定因素的影响，聚类方法能够将各种影响因素综合引入预测模型，提高了预测精度。本文将神经网络引入到模糊聚类分析中，建立了中长期负荷预测的新方法，并且对聚类神经网络的学习算法进行了改进，利用模糊竞争学习完成网络运算，弥补了网络输出结果二值性的不足,使得学习规则中权值矩阵的改变速度加快，因而算法的收敛速度有很大提高。运用所述模型及算法综合考虑了历史负荷情况和未来不确定因素等对未来负荷变化的影响。通过与传统方法进行中长期负荷预测比较，结果表明该方法可以提高负荷预测的精度。