神经网络短期负荷预测输入变量选择新方法

您当前的位置：

首页 >

文章列表页 >

神经网络短期负荷预测输入变量选择新方法

更新时间：2025-08-13

- 神经网络短期负荷预测输入变量选择新方法
- Automation of Electric Power Systems Vol. 25, Issue 22, (2001)
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：
  CLC：
- Published：2001
- 稿件说明：
移动端阅览
[J]. Automation of electric power systems, 2001, 25(22).
DOI：

[J]. Automation of electric power systems, 2001, 25(22). DOI：

摘要

输入变量选择是神经网络建模前的一项重要工作，是否能够选择出一组最能反映期望输出变化原因的输入变量直接关系到神经网络预测的性能。文中将正交最小二乘(OLS)法应用于神经网络短期负荷预测的输入变量选择。以南京地区1998年、1999年夏季日最大负荷预测为例，对比了OLS法与相关系数法的输入变量选择结果。结果显示OLS法可以得到更小、更准确的输入变量集，神经网络的收敛速度更快，预测结果也更好，从而验证了该方法的有效性。

Abstract

关键词

Keywords

references

Views

2246

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

模糊集理论在电力系统短期负荷预测中的应用

基于短期负荷预测的超短期负荷预测曲线外推法（Only in Chinese）

短期电价预测综述

考虑气象信息的节假日负荷预测

Related Author

No data

Related Institution

No data

⁰

神经网络短期负荷预测输入变量选择新方法

DOI：

摘要

Abstract

关键词

Keywords

references