典型文献
基于贝叶斯正则优化NARX神经网络的电力负荷预测
文献摘要：
随着智能电网建设阶段的不断推进,以及电力市场运营机制的逐渐完善,电力负荷预测工作的重要性与日俱增.针对传统的前馈型神经网络预测模型存在泛化能力不强、预测精度较差的问题,设计了一种基于贝叶斯正则优化NARX(Bayesian regularization nonlinear autoregressive with exogenous inputs,BR-NARX)神经网络的电力负荷预测方法.介绍了NARX神经网络以及贝叶斯正则优化算法的理论分析与模型搭建;基于某省电网公司的历史负荷数据,以及供电区域内相应的气象信息等数据,进行数据分析及预处理工作;以实际应用算例测试,分析所构建BR-NARX神经网络的模型性能,并与BP、BR-BP、NARX3种神经网络模型进行预测效果的对比.算例结果显示,BR-NARX模型具备显著提升电力负荷预测精度的性能,能够为实际电力负荷预测工作的进一步发展提供思路.
文献关键词：
电力负荷预测;贝叶斯理论;正则优化;NARX神经网络;预测性能评价
中图分类号：
作者姓名：
林盛振;谢敏;黄彬彬;何润泉;叶佳南;何知纯
作者机构：
华南理工大学电力学院,广东广州 510640
文献出处：
引用格式：
[1]林盛振;谢敏;黄彬彬;何润泉;叶佳南;何知纯-.基于贝叶斯正则优化NARX神经网络的电力负荷预测)[J].供用电,2022(09):51-60
A类：
NARX3
B类：
正则优化,电力负荷预测,智能电网建设,建设阶段,电力市场运营,运营机制,与日俱增,前馈型神经网络,神经网络预测模型,泛化能力,Bayesian,regularization,nonlinear,autoregressive,exogenous,inputs,BR,负荷预测方法,模型搭建,某省,省电,电网公司,负荷数据,气象信息,模型性能,贝叶斯理论,预测性能评价
AB值：
0.285135
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
