论文部分内容阅读
针对短期电力负荷的复杂性和不确定性,提出一种应用模糊神经网络的短期电力负荷预测模型.该模型具有神经网络的强有力学习能力.由于利用了模糊理论处理非线性问题的能力以及从海量数据中抽取相似性的功能,因而弱化了神经网络对样本的依赖性,增强了外推性,可在一定程度上减少学习时间,并充分考虑气温变化对负荷的影响.实验结果表明,该模型对短期负荷有较好的预测精度,具有实用价值.