基于改进模糊神经网络的新能源配网电力负荷超短期预测方法
宋小芹
郑州西亚斯学院 河南郑州 451150
摘要：随着新能源接入配网比例的提升,超短期电力负荷数据展现出复杂的特性,导致梯度呈现出非线性特征.为此,提出一种基于改进模糊神经网络的新能源配网电力负荷超短期预测方法.该方法为反映配网电力负荷的真实状况并减少预测误差,先对新能源配网电力负荷数据进行预处理.然后将预处理后的数据作为输入,构建模糊神经网络的负荷预测模型.由于模糊神经网络的权重参数初始值影响训练结果,引入粒子群算法进行模型优化,将模糊化层与规则库划分为隐含层,解模糊化层划分为输出层,实现模型的精准构建,提高预测精度.最后应用实验验证所提方法的先进性,实验结果表明:该方法具有较高的预测准确性和稳定性,并且计算效率也比较高.与对比方法相比,该方法能够有效地应对新能源配网电力负荷的复杂性和不确定性,为电力系统的运行和调度提供强有力的支持.
关键词：新能源配电网电力负荷预测改进模糊神经网络数据预处理
资助基金：河南省科技攻关项目(MEEMD-GRU;242102210183)
论文发表日期：2025-02-27
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 26-29 )