论文部分内容阅读
本文主要研究利用粗糙集理论和神经网络、灰色理论来进行短期负荷预测方法分析。提出了基于粗糙集理论的遗传神经网络短期负荷预测方法,该方法通过粗糙集理论中的属性约简对神经网络的输入进行了筛选,找到与预测量相关性大的影响因素作为输入量,减少了神经网络的工作量。为了解决神经网络自身收敛速度慢和容易陷入局部极小的缺陷,利用具有全局搜索能力强等优点的遗传算法与之相结合。又提出了基于灰色系统的相关因素敏感模型短期负荷预测方法,该算法针对GM(1,1)模型在电力负荷呈非指数函数增长和对天气突变时预测精度差的缺点,提出