2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩60頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、電力系統(tǒng)的短期負(fù)荷預(yù)測對于電力系統(tǒng)的經(jīng)濟(jì)穩(wěn)定運(yùn)行具有重要作用。準(zhǔn)確的預(yù)測結(jié)果能夠幫助制定發(fā)電計(jì)劃、穩(wěn)定性分析以及電力系統(tǒng)的運(yùn)行和優(yōu)化決策。隨著系統(tǒng)解除管制,短期負(fù)荷預(yù)測能為電能生產(chǎn)和電力交易提供決策支持,因而越來越重要。
  人工神經(jīng)網(wǎng)絡(luò)能夠充分描述電力負(fù)荷的復(fù)雜特性。Ensemble方法能能夠有效提高單個(gè)預(yù)測器的預(yù)測效果。為建立良好的Ensemble模型,需要產(chǎn)生多個(gè)具有多樣性和準(zhǔn)確性的子預(yù)測器,并將它們組合成為一個(gè)復(fù)合的預(yù)測器

2、。本文提出一種非全連接神經(jīng)網(wǎng)絡(luò)的Ensemble模型用于電力系統(tǒng)的短期負(fù)荷預(yù)測。非全連接神經(jīng)網(wǎng)絡(luò)由于其良好的泛化能力而被用作基本預(yù)測器。基于分群的混沌算法利用遺傳進(jìn)化的群特性產(chǎn)生多樣的、準(zhǔn)確的神經(jīng)網(wǎng)絡(luò)。本文采用新型的剪枝算法以確定性的方式產(chǎn)生非全連接神經(jīng)網(wǎng)絡(luò)。為進(jìn)一步提高預(yù)測的準(zhǔn)確度,本文提出基于ANN的非線性Ensemble用以組合全連接神經(jīng)網(wǎng)絡(luò),并將本文提出的短期負(fù)荷預(yù)測方法應(yīng)用到PJM數(shù)據(jù)集和ISO New England數(shù)據(jù)集上

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論