作者：农为踊; 文波短期负荷预测神经网络bp算法lm算法
摘要：分析了电力系统负荷的组成、分类及其周期性的变化规律，对神经网络基本理论方法进行了细致地研究。应用改进的BP神经网络，建立了充分考虑各种因素的电力系统短期负荷预测模型。最后通过实例仿真，比较三种改进的BP学习算法，结果表明在本模型中，Levenberg—Marquardt（LM）学习算法在收敛速度以及预测精度上要优于拟牛顿法和SCG算法。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《电力大数据》（月刊）创刊于1977年，由贵州电网有限责任公司主管，贵州电网有限责任公司电力科学研究院;贵州省电机工程学会主办，CN刊号为：52-1170/TK，自创刊以来，颇受业界和广大读者的关注和好评。 《电力大数据》主要刊登人工智能、大数据分析、云计算、泛在物联网、移动作业、区块链等技术在电力系统的应用研究最新成果，涉及电力设备制造、规划设计、发电、输电、供电、配电、用电、调度、电力市场交易等方面。
北大期刊、统计源期刊
人气 84116 评论 73
统计源期刊
人气 52092 评论 51
北大期刊、CSCD期刊、统计源期刊
人气 50372 评论 53
部级期刊
人气 41507 评论 68
