基于RBF神经网络模型的电力系统短期负荷预测
格式:pdf
大小:241KB
页数: 3页
电力系统短期负荷对电力企业的经济效益和社会效益都有一定影响。因此文中建立了基于RBF神经网络的电力系统短期负荷模型。用历史负荷数据作为训练样本,用训练好的神经网络进行电力系统短期负荷预测,并与BP神经网络进行对比。RBF神经网络的平均误差为2.09%,最大误差为4.77%,相比于BP神经网络精确度较高,有利于电力系统合理地进行调度规划工作。
基于BP和多项式拟合模型在电力系统短期负荷的研究
大小:517KB
页数: 4页
针对电力系统短期负荷数据进行预测分析,以兰州地区某天电力系统负荷值为样本,分别运用BP神经网络和多项式拟合,给出了预测数据的残差和相对误差。对预测数据进一步分析后,剔除相对误差较大的4组数据再次进行拟合,可使相对误差平均值远低于电力系统短期负荷预测相对误差(5%),提高了模型精度。该文提供的方法在电力系统短期负荷、股价分析、经济效益等领域的同类数据分析中有参考价值。
电力系统负荷模型知识来自于造价通云知平台上百万用户的经验与心得交流。 注册登录 造价通即可以了解到相关电力系统负荷模型最新的精华知识、热门知识、相关问答、行业资讯及精品资料下载。同时,造价通还为您提供材价查询、测算、询价、云造价等建设行业领域优质服务。手机版访问:电力系统负荷模型