摘要
短期电网负荷预测是电网安全运行和经济调度的基础。现有预测方法存在对节假日预测不准确,不利于系统化等问题。根据短期负荷周期性变化的特点,创造性地提出双时间序列神经网络模型。同时为了克服实际温度数据缺失问题,提出一种新的温度量化方法。在广东省某地区的实际应用表明,该方法对于普通日和特殊日都取得了有较好的预测精度。
Short-term load forecasting is an important procedure for safe and economical running of the power-grid.The low forecasting accuracy and complicated structure are the main disadvantages of the existed method.After analyzing of the periodic variety of the short-term load,a novel twi-time-series neural network model is proposed.A new preprocessing procedure is also used to handle the missing value of the temperature data.The application of this model in a city of Guangdong province shows that it can obtain high forecasting accuracy both in normal and special days.
出处
《计算机工程与应用》
CSCD
北大核心
2007年第32期218-220,共3页
Computer Engineering and Applications
基金
教育部新世纪优秀人才基金(No.NCET-05-0734)
广东省自然科学基金(No.04020079)
南京大学软件国家重点实验室开放基金(No.200603)
东南大学移动通讯国家重点实验室开放基金(No.A200605)
广东省科技厅科技攻关项目(No.2005B10101010)。~~
关键词
神经网络
时间序列
短期负荷预测
neural network
time series
short-term load-forecasting
