改进模糊神经网络在负荷预测中的应用研究

摘要

电力系统短期负荷预测是电网调度中一项重要的工作,精确的负荷预测可以为调度员提供必要的基础数据,电网运行安排也都是以负荷预测的数据作为根据.利用人工神经网络可以任意逼近非线性系统的特性,将其用于短期负荷预测.研究了改进的误差反向传播算法--动量及自适应lrBP的梯度递减训练算法,预测结果表明比标准BP算法具有更好的性能.同时,针对大量无法用精确数值来量化的信息的影响,引入模糊理论的方法,定义了不同的隶属度函数,模糊化后输入到网络中进行训练和预测,结果表明其精度比输入量非模糊化的人工神经网络更高.