论文部分内容阅读
在负荷预测中,历史负荷数据产生的复杂性和许多不确定因素影响的随机性,使观测到的数据既包含线性部分,又包含许多非线性部分,因此所建立的预测模型就必须综合考虑这2方面的因素.目前常用的预测技术很少能综合考虑这两方面的因素,预测精度达不到要求.本文提出了一种时序分析和神经网络结合的预测方法.由于时序模型中不同阶数的自回归移动平均适合线性预测,可利用自回归移动平均模型(ARMA)处理历史负荷数据中的线性部分;而神经网络模型适合非线性预测,可利用人工神经网络(ANN)模型处理历史负荷数据的非线性部分.这样所建立的模