论文部分内容阅读
提出以动态聚类和 BP神经网络来预测短期边际电价 ,以样本数据与聚类中心的距离最小为标准 ,通过动态聚类方法将所有样本数据划分到多个类别中 ,对不同类别的样本数据分别建立具有相同拓扑结构、不同神经元连接权值和阈值的 BP神经网络模型 ,通过 BP神经网络的反向传播过程不断修正模型中的神经元连接权值和阈值 ,实现对短期边际电价的合理预测 ,以 America PJM(美国宾夕法尼亚州、新泽西州和马里兰州 )公布的 1 999年数据进行模型训练和测试 ,结果表明该方法所建立的预测模型具有较高的预测精度