| 电力系统短期负荷预测的多神经网络集成模型 |
| |
| 引用本文： | 黄家圣,谢卫,李军军,孙凌燕.电力系统短期负荷预测的多神经网络集成模型[J].上海海事大学学报,2005,26(3):64-67. |
| |
| 作者姓名： | 黄家圣 谢卫 李军军 孙凌燕 |
| |
| 作者单位： | 上海海事大学,物流工程学院,上海,200135 |
| |
| 摘 要： | 提出一种改进的多神经网络集成自适应Boosting回归算法,算法中引入“早停规则”和“噪声扰动”.利用这种方法对电力系统日负荷预测进行相关的研究,进而采用美国加州电力市场的实际数据,构造相应的预测模型.结果表明,与传统的单网络预测模型相比,Boosting多网络集成预测模型能显著提高模型输出的稳定性,获得更高的预测精度.
|
| 关 键 词： | 自适应神经网络 短期负荷预测 Boosting算法 |
| 文章编号： | 1672-9498（2005）03-0064-04 |
| 收稿时间： | 2004-12-13 |
| 修稿时间： | 2005-05-09 |
Neural networks ensemble model for short-term load forecasting of power system |
| |
| HUANG Jiasheng,XIE Wei,LI Junjun,SUN Lingyan.Neural networks ensemble model for short-term load forecasting of power system[J].Journal of Shanghai Maritime University,2005,26(3):64-67. |
| |
| Authors: | HUANG Jiasheng XIE Wei LI Junjun SUN Lingyan |
| |
| Abstract: | |
| |
| Keywords: | adaptive neural network short-term load forecasting Boosting algorithm |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《上海海事大学学报》浏览原始摘要信息 |
| 点击此处可从《上海海事大学学报》下载免费的PDF全文 |
|
