典型文献
基于综合气象指数的EA-SNN组合负荷预测模型
文献摘要：
针对气象因素相互耦合导致地区电网负荷精确预测难度大的问题,为进一步提高地区电网电力负荷的预测精度,提出一种基于综合气象指数的进化算法-脉冲神经网络(Evolutionary Algorithm-Spiking Neural Network,EA?SNN)组合负荷预测模型.所建模型通过主成分分析法对原始的多重气象因素进行相关性分析,在提取出具有典型气象特征的综合气象指数的基础上建立综合气象指数和历史负荷序列之间的非线性关系,从而实现在包含原始气象因素数据集信息的情况下实现数据降维分析;通过进化算法(Evolutionary Algorithm,EA)对脉冲神经网络(Spiking Neural Network,SNN)的网络参数进行优化,提高了脉冲神经网络在地区电网负荷预测的适应能力.选择某地区的负荷及气象数据作为实际算例,通过对比多种预测模型的预测结果,有效验证了所建模型在地区电网负荷预测中具有更高的准确性和稳定性.
文献关键词：
负荷预测;神经网络;主成分分析;进化算法
中图分类号：
作者姓名：
刘炬;刘闯;徐达;李俊;马小龙;杨昊
作者机构：
国网湖北省电力公司荆门供电公司,湖北 荆门 448000;中国地质大学(武汉),湖北 武汉 430074
文献出处：
引用格式：
[1]刘炬;刘闯;徐达;李俊;马小龙;杨昊-.基于综合气象指数的EA-SNN组合负荷预测模型)[J].山东电力技术,2022(08):10-14,41
A类：
B类：
气象指数,EA,SNN,负荷预测模型,气象因素,互耦,地区电网,精确预测,电力负荷,进化算法,脉冲神经网络,Evolutionary,Algorithm,Spiking,Neural,Network,气象特征,负荷序列,非线性关系,素数,数据降维,降维分析,网络参数,电网负荷预测,某地区,气象数据,有效验证
AB值：
0.294819
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。
