基于改进RBF神经网络的智能电网短期负荷预测方法

    公开(公告)号:CN106600059A

    公开(公告)日:2017-04-26

    申请号:CN201611148874.7

    申请日:2016-12-13

    摘要: 本发明公开一种基于改进RBF神经网络的智能电网短期负荷预测方法,涉及智能电网技术领域,用于确定基函数中心,提升智能电网负荷预测精度。该预测方法包括:网络初始化;S2、计算基函数中心ci;S3、根据基函数中心ci,计算方差ζi;S4、根据基函数中心ci以及方差ζi,计算隐含层的输出Ri;S5、根据隐含层的输出Ri,计算输出层的输出;S6、根据均方误差和函数计算预测误差E;S7、对神经网络中隐含层神经元与输出层神经元的连接权重进行更新;S8、对预测误差E进行判断,若预测误差E在预期内,则迭代计算结束;反之,返回步骤S4,重新迭代计算预测误差E。本发明用于对电网负荷进行预测。

    基于改进RBF神经网络的智能电网短期负荷预测方法

    公开(公告)号:CN106600059B

    公开(公告)日:2020-07-24

    申请号:CN201611148874.7

    申请日:2016-12-13

    摘要: 本发明公开一种基于改进RBF神经网络的智能电网短期负荷预测方法,涉及智能电网技术领域,用于确定基函数中心,提升智能电网负荷预测精度。该预测方法包括:网络初始化;S2、计算基函数中心ci;S3、根据基函数中心ci,计算方差ζi;S4、根据基函数中心ci以及方差ζi,计算隐含层的输出Ri;S5、根据隐含层的输出Ri,计算输出层的输出;S6、根据均方误差和函数计算预测误差E;S7、对神经网络中隐含层神经元与输出层神经元的连接权重进行更新;S8、对预测误差E进行判断,若预测误差E在预期内,则迭代计算结束;反之,返回步骤S4,重新迭代计算预测误差E。本发明用于对电网负荷进行预测。

    一种用于智能电表大数据的负荷曲线聚类方法

    公开(公告)号:CN106203478A

    公开(公告)日:2016-12-07

    申请号:CN201610490208.5

    申请日:2016-06-27

    发明人: 肖霖 鲁云 张天魁

    IPC分类号: G06K9/62 G06Q50/06

    CPC分类号: G06K9/6222 G06Q50/06

    摘要: 本申请提供一种用于智能电表大数据的负荷曲线聚类方法,涉及智能电网大数据应用领域,解决了现有的聚类方法结果不准确的技术问题。该聚类方法包括首先采用PCA对样本数据进行降维处理;然后采用自适应加权FCM算法对降维后的样本数据进行聚类;接着采用聚类有效性函数自适应确定最佳聚类数目,并基于最佳聚类数采用上述加权FCM算法得到最佳聚类结果。该聚类方法用于对用户的负荷曲线进行聚类。