一种基于改进分类和回归树的神经元网络电力负荷预测方法 |
| |
引用本文: | 陈芳,赵剑剑,张步涵.一种基于改进分类和回归树的神经元网络电力负荷预测方法[J].电力科学与技术学报,2003,18(3):34-37. |
| |
作者姓名: | 陈芳 赵剑剑 张步涵 |
| |
作者单位: | 华中科技大学,电力系,湖北,武汉,430074 |
| |
摘 要: | 通过改进CART(分类和回归树)分类法选择训练样本,可以降低与预测日不一致负荷模式的影响,提高预测精度,并运用人工神经元网络预测下一天的96点负荷.主要包括3个部分.首先,运用CART分类法将输入空间分成若干矩形互斥区域,每一个区域对应一种负荷模式;其次,根据分类结果选取神经元网络的训练样本.最后,合理映射天气因素和日期、星期类型并进行预测.实际应用表明本方法对于大波动负荷地区能够改善预测精度,提高预测速度.
|
关 键 词: | 短期负荷预测 回归和分类树 神经元网络 负荷模式 |
文章编号: | 1006-7140(2003)03-0034-04 |
修稿时间: | 2003年1月20日 |
Short-term Load Forecasting with ANN Based on Improved CART |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|