文献知网节
  • 记笔记

基于减法聚类及自适应模糊神经网络的短期电价预测

吴兴华周晖

北京交通大学电气工程学院北京交通大学电气工程学院 北京市海淀区100044

摘要:提出了基于Takagi-Sugeno模型的自适应模糊神经网络的短期电价预测方法。首先采用减法聚类方法确定自适应模糊神经网络的结构,然后利用混合学习算法训练该网络的前件参数和结论参数,最后将影响未来日电价的相关因素输入到训练好的自适应模糊神经网络中进行电价预测。以美国加州电力市场公布的1999年负荷与电价数据进行模型训练和预测,结果表明采用该方法所建立的预测模型具有较高的预测精度。
  • 专辑:

    理工C(机电航空交通水利建筑能源); 理工A(数学物理力学天地生); 经济与管理

  • 专题:

    数学; 宏观经济管理与可持续发展; 工业经济; 电力工业

  • 分类号:

    F407.61;F224

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:489 页码:69-73 页数:5 大小:100K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者