首页> 中文期刊>南京理工大学学报(自然科学版) >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

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

     

摘要

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.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号