论文部分内容阅读
为应对短期负荷预测中台区负荷数据流的动态性、不完备性和非线性等特征对负荷预测带来的挑战,针对性地构建了基于数据驱动的差分径向基函数(radial basis function,RBF)神经网络的台区短期负荷预测方法。首先采用基于集成分类器的数据流分类算法对多维台区负荷数据进行分类;其次采用灰色关联度分析确定指标参数关联度排序;借鉴增量编码的应用方式构建了负荷预测编码器和解码器,进而对负荷数据进行差分RBF预测分析,并进行了交叉验证。仿真结果表明,基于数据驱动的差分RBF神经网络的台区短期负荷预测方法可以在