基于样本动态组织与温度补偿的神经网络短期电力负荷预测

发明专利无效专利

申请号：
CN200810231838.6
IPC分类号：G06N3/08
申请日期：
2008-10-22
申请人：
西安交通大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于样本动态组织与温度补偿的神经网络短期电力负荷预测
申请号	CN200810231838.6	申请日期	2008-10-22
法律状态	权利终止	申报国家	中国
公开/公告日	2009-03-11	公开/公告号	CN101383023
优先权	暂无	优先权号	暂无
主分类号	G06N3/08 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/08 学习方法〔7〕	IPC分类号	G;0;6;N;3;/;0;8查看分类表>
申请人	西安交通大学	申请人地址	陕西省西安市咸宁路28号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	西安交通大学	当前权利人	西安交通大学
发明人	赵登福;程松;夏经德;王圈
代理机构	西安通大专利代理有限责任公司	代理人	张震国

摘要

本发明是基于样本动态组织与温度补偿的神经网络短期电力负荷预测方法，其中，样本动态组织以负荷变化特征创建样本映射表和气象数据模糊化进行样本初选，进而以改进自组织特征映射网络实现样本精选；根据温度对电力负荷的影响特征，创建了以假想负荷与温度系数、临界温度描述的温度补偿模型，并与人工神经网络构成一体化负荷预测模型，其温度补偿系数、临界温度值与人工神经网络参数一道通过训练自动获取。由于样本动态组织有效避免了不良样本的误差干扰，温度补偿模型较精确的描述了温度对电力负荷的影响，因而本发明显著提高了短期负荷预测精度，特别大幅度提高了对气温敏感日期负荷的预测精度。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供