| 摘要: |
| 针对BP(Back Propagation)神经网络的适应性较差的问题，提出了自适应神经网络的模型，并将其应用到短期负荷预测中。在神经网络进行数据训练时，对于大量的训练数据，提出采用动态自适应的方式进行处理。分析了实时气象因素对短期负荷的影响，以人体舒适度作为气象因子的处理模型。采用杭州地区数据对提出的模型进行验证，与BP模型预测的结果对比，具有更快的预测速度、更高的预测精度。所构建的预测模型具有很好的适应性，并充分考虑了气象因素、日期类型，预测结果表明所提出的预测方法是有效且实用的。 |
| 关键词: 短期负荷预测 自适应神经网络 动态自适应 实时气象因素 人体舒适度 |
| DOI：10.7667/j.issn.1674-3415.2012.01.010 |
|
| 基金项目: |
|
|
|
| () |
| Abstract: |
|
| Key words: |
