|本期目录/Table of Contents|

[1]张贵强.基于Elman和多项式模型电力负荷短期预测[J].工业仪表与自动化装置,2018,(06):53-56.[doi:1000-0682（2018）06-0000-00]
　ZHANG Guiqiang.Research on load data of power system based on Elman and polynomial fitting model[J].Industrial Instrumentation & Automation,2018,(06):53-56.[doi:1000-0682（2018）06-0000-00]
点击复制

基于Elman和多项式模型电力负荷短期预测

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2018年06期
页码:
53-56
栏目:
出版日期:
2018-12-15

文章信息/Info

Title:
Research on load data of power system based on Elman and polynomial fitting model
作者:
张贵强
兰州石化职业技术学院，兰州 730060
Author(s):
ZHANG Guiqiang
Lanzhou Petrochemical College of Vocational Technology, Lanzhou 730060, China
关键词:
Elman; 多项式拟合; 电力系统负荷数据; MATLAB; 相对误差
Keywords:
Elman;  polynomial fitting;  power system load data;  MATLAB;  relative error
分类号:
TP20
DOI:
1000-0682（2018）06-0000-00
文献标志码:
A
摘要:
针对某煤矿日电力系统负荷数据进行了研究，建立Elman神经网络和多项式拟合模型。运用MATLAB工具箱，对Elman神经网络在神经元个数设置，训练数据个数的选择进行了研究，同时与5阶多项式拟合做了预测数据比较分析。提出了模型的改进方向，提高了模型预测精度，为同类问题提供了有效参考。
Abstract:
Based on the research of load data of power system, Elman neural network and polynomial fitting model are established.By using the MATLAB toolbox, the author studied the number of neural networks of Elman neural network, the selection of training data number, and made the prediction data comparison analysis with the five-order polynomial fitting.The improvement direction of the model is proposed, and the accuracy and accuracy of the model are improved, which provides an effective reference for similar problems.

参考文献/References:

[1] 吴明刚.基于非节假日Elman神经网络的电力负荷短期预测[J].现代商贸工业,2018,39(03):197-198.

[2] 杨国颖,王庆岭.基于多项式拟合和GM(1,1)模型在煤矿伤亡事故中的数据预测模型[J].电气自动化,2016, 38(01): 12-14+22.
[3] 王雪丽.一种基于Elman改进的网络入侵检测算法[J].湖南文理学院学报(自然科学版),2017,29(04):31-33.
[4] 王阳,姜燕宁.基于遗传算法的灰色Elman神经网络预测模型及其应用[J].数学的实践与认识,2017, 47(22): 315-320.
[5] 李文.基于Elman神经网络算法的电力负荷预测模型研究[J].赤峰学院学报(自然科学版),2017,33(21):38-40.
[6] 郭威,巴秀玲,马文远,王伟,徐志峰.基于神经网络的电力系统负荷预测问题研究[J].自动化与仪器仪表, 2017(10):192-194.
[7] 欧阳慧雨,陈涛.基于Elman神经网络的非线性函数拟合[J].电脑知识与技术,2017,13(29):168-169.
[8] 李咏馨,朱家明,吴梦晗,厉培培.基于BP神经网络的电力系统短期负荷预测[J].赤峰学院学报(自然科学版),2017,33(16):22-24.
[9] 杨美燕.电力系统短期负荷预测的分析与研究[D].西安:西安理工大学,2017.
[10] 董彩红.电力负荷数据预测方法模型的设计[J].电子技术与软件工程,2017(12):179.
[11] 王亦珏,沈瑛俊,刘凯.对电力系统负荷预测研究综述与发展方向的探讨[J].民营科技,2017(12):43.
[12] 付宏宇.电力系统短期负荷预测方法的研究与应用[D].上海:东华大学,2017.
[13] 王宁.基于Excel的电力系统负荷预测[J].煤,2016, 25(07):60-61.
[14] 石德琳. 基于神经网络的电力负荷预测研究与实现[D].济南:山东大学,2016.
[15] 于浩祺.电力负荷特性分析及短期负荷预测系统的研发[D].长沙:湖南大学,2016.

相似文献/References:

[1]李 萍.基于BP和多项式拟合模型在电力系统短期负荷的研究[J].工业仪表与自动化装置,2018,(05):136.[doi:1000-0682（2018）05-0000-00]
　LI Ping.Based on the BP and polynomial fitting model in the study of the electric power system short-term load[J].Industrial Instrumentation & Automation,2018,(06):136.[doi:1000-0682（2018）05-0000-00]
[2]孙松源,毛翌春,朱 炬.光伏阵列发电量损失评估测量方法[J].工业仪表与自动化装置,2020,(02):109.
　SUN Songyuan,MAO Yichun,ZHU Ju.An algorithm of evaluating the energy loss of PV string[J].Industrial Instrumentation & Automation,2020,(06):109.

备注/Memo

备注/Memo:
收稿日期：2018-04-03
基金项目：甘肃省高校大学生创新创业专项(2050305-高等职业教育1435)
作者简介：张贵强(1981)，男，甘肃省甘谷县人，硕士，副教授，主要从事网络安全技术、软件技术和数值分析方面的研究。
更新日期/Last Update: 2018-12-15