当前位置:主页 > 科技论文 > 电力论文 >

基于模糊C均值聚类及学习向量量化神经网络的负荷同时系数预测模型

发布时间:2024-01-23 13:20
  针对变压器及电缆容量确定问题,该文以负荷同时系数(LSF)预测为目标,建立考虑社会发展水平、人口构成、负荷类型的LSF影响因素指标体系。应用模糊C均值聚类对台区负荷的用电类型进行划分,基于学习向量量化(LVQ)神经网络建立LSF预测模型。该预测模型具有自动确定LSF影响因素权重、针对不同类型综合负荷预测的选择性强、便于依据实测数据更新模型参数的特点。LSF预测精度提高,为配变定容提供了有利依据。应用京津唐地区实际负荷验证了该文LSF预测方法的有效性。

【文章页数】:8 页

图1LSF预测的指标体系

图1LSF预测的指标体系


图2LVQ神经网络结构图

图2LVQ神经网络结构图


图3LSF预测流程图

图3LSF预测流程图


图4减少1个指标后预测误差的变化图

图4减少1个指标后预测误差的变化图



本文编号:3882730

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/dianlilw/3882730.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户14f76***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com