造价通
更新时间:2026.04.18
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

格式:pdf

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。

热门知识

电力系统负荷模型

精华知识

电力系统负荷模型

最新知识

电力系统负荷模型
点击加载更多>>
专题概述
电力系统负荷模型相关专题

分类检索: