计及产业结构和温度因素的神经网络电网负荷预测方法
Power Capacitor & Reactive Power Compensation（2022）
摘要
电力负荷的准确预测是电力规划建设的重要前提.传统的负荷预测方法均局限于回归分析、增长率等线性模型,无法考虑影响电力负荷的非线性因素,导致预测结果与实际需求存在偏差.针对负荷预测的非线性特性,提出了 一种计及温度和产业结构的短期负荷预测方法;采用神经网络算法对预测地区的温度和产业结构历史数据进行学习,明确了神经网络结构体系各维度间的复杂关系,从而建立了负荷预测的非线性模型.计算结果表明,所建负荷预测模型能够高保真地模拟各因素的非线性特性,其误差仅为1.5％.综合分析了温度、产业结构的影响规律,为所提方法在夏季降温负荷突出的中部和西南部分地区的应用提供数据支撑.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要