发明名称 |
一种快速模糊粗糙集短期负荷预测方法 |
摘要 |
本发明公开了一种快速模糊粗糙集短期负荷预测方法。本发明包括如下步骤:步骤(1)采集安装在电网中电表所记录的电力负荷数据,然后构建初始属性决策表;步骤(2)确定条件属性和决策属性的模糊隶属函数;步骤(3)运用快速模糊粗糙集方法进行属性约简,获得约简的条件属性;步骤(4)将约简的条件属性作为神经网络的输入数据对归一化的历史负荷数据进行训练;步骤(5)用训练得到的神经网络进行电力系统短期负荷预测;步骤(6)对所得的预测日的最大负荷的归一化值进行反归一化处理,得到电力负荷短期预测结果,即预测日的最大负荷。本发明模糊粗糙集属性约简的计算量小,计算时间短;提高计算效率。 |
申请公布号 |
CN104239968A |
申请公布日期 |
2014.12.24 |
申请号 |
CN201410443464.X |
申请日期 |
2014.09.02 |
申请人 |
浙江大学 |
发明人 |
詹俊鹏;郭创新;黄刚 |
分类号 |
G06Q10/04(2012.01)I;G06Q50/06(2012.01)I |
主分类号 |
G06Q10/04(2012.01)I |
代理机构 |
杭州求是专利事务所有限公司 33200 |
代理人 |
杜军 |
主权项 |
一种快速模糊粗糙集短期负荷预测方法,其特征在于包括如下步骤:步骤(1)采集安装在电网中电表所记录的电力负荷数据,取每天最大负荷;并同时获取待预测日及其之前7天,共8天每天的平均相对湿度以及最大、最小和平均温度相关的天气和日期类型数据,然后构建初始属性决策表;步骤(2)确定条件属性和决策属性的模糊隶属函数:步骤(3)运用快速模糊粗糙集方法进行属性约简,获得约简的条件属性;步骤(4)将约简的条件属性作为神经网络的输入数据对归一化的历史负荷数据进行训练;步骤(5)用训练得到的神经网络进行电力系统短期负荷预测;预测前,将所有同类数据进行归一化处理,将归一化的约简条件属性作为神经网络输入数据,得到预测日的最大负荷的归一化值;步骤(6)对所得的预测日的最大负荷的归一化值进行反归一化处理,得到电力负荷短期预测结果,即预测日的最大负荷。 |
地址 |
310027 浙江省杭州市西湖区浙大路38号 |