神经网络短期负荷预测中的建模分析

摘要

目前用于电力负荷预测的神经网络模型普遍存在计算量大，结构与参数的选取没有成熟的理论依据可循，本文在进行大量训练的基础上从各个角度对神经网络的参数选择进行了细致的研究工作。对于历史数据的处理，本文利用预测时刻以前的最新负荷信息来修改历史负荷坏数据，其预测精度明显高于常规的线性插值法或多阶平滑法。实例表明用上述的方法建立的神经网络模型，有效地提高了网络的收敛速度和学习精度。