《表2 V与各类中心距离:基于最大偏差相似性准则的BP神经网络短期电力负荷预测算法》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于最大偏差相似性准则的BP神经网络短期电力负荷预测算法》
进一步,使用BP神经网络获取预测日的负荷水平特征向量V,将预测日前近100 d平均负荷、最大负荷、最小负荷和日用电量作为BP网络的输入数据,输出预测日的负荷水平特征向量V。由前述的聚类分析可知第7~130类的负荷数据为偏离日数据,故本文在计算距离d(xi,V)时只计算预测日的负荷水平特征向量V与前6类的负荷类中心的距离,计算结果如表2所示。由式(9)确定使得d(xi,V)最小的负荷曲线类别Z,Z即为预测日的相似类别。由表2可知预测日的特征向量与第1类的类中心的距离d(xi,V)最小,故选择第1类负荷数据为BP神经网络训练数据输入量。
图表编号 | XD00107238500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.01 |
作者 | 罗育辉、蔡延光、戚远航、黄何列 |
绘制单位 | 广东工业大学自动化学院、广东工业大学自动化学院、电子科技大学中山学院、广东工业大学自动化学院 |
更多格式 | 高清、无水印(增值服务) |