| 摘要: |
| 提出了一种改进的动态模糊神经网络DFNN(Dynam ic Fuzzy Neural Network)的短期电价预测方法。首先对采集到的信息进行特征提取,然后利用模糊粗糙集理论中的信息熵进行属性简化、去掉冗余信息,最后用得到的属性作为动态模糊神经网络(DFNN)的输入进行训练预测。在模糊神经网络内部引入递归环节,构成了动态模糊神经网络,并采用具有全局寻优能力的遗传算法来训练网络,克服了单纯BP算法易陷入局部最优解的困境。最后以美国加州电力市场公布的2000年数据进行了模型训练和预测,结果表明该方法所建立的 |
| 关键词: 出清电价 短期电价预测 动态模糊神经网络（DFNN） |
| DOI：10.7667/j.issn.1674-3415.2006.06.009 |
|
| 基金项目: |
|
|
|
| () |
| Abstract: |
|
| Key words: |
