论文部分内容阅读
短期负荷预测是电力系统安全调度、经济运行的重要依据,负荷预测的精度直接影响到电力系统运行的可靠性、经济性和供电质量。因此,寻求合适的负荷预测方法最大限度的提高预测精度具有重要的应用价值。根据电力负荷特性的变化规律,考虑了日期类型、温度、天气状况等影响负荷预测的因素,本文提出了一种将径向基函数(Radial Basis Function,RBF)神经网络与模糊理论相结合的短期负荷预测的方法。首先,考虑负荷的季节性变化,对春、夏、秋、冬四季分别建立预测模型,采用模糊聚类分析的方法对负荷预测相关