论文部分内容阅读
提出了一种改进的动态模糊神经网络DFNN（Dynamic Fuzzy Neural Network）的短期电价预测方法。首先对采集到的信息进行特征提取，然后利用模糊粗糙集理论中的信息熵进行属性简化、去掉冗余信息。最后用得到的属性作为动态模糊神经网络（DFNN）的榆入进行训练预测。在模糊神经网络内部引入递归环节，构成了动态模糊神经网络，并采用具有全局寻优能力的遗传算法来训练网络，克服了单纯BP算法易陷入局部最优解的困境。最后以关国加州电力市场公布的2000年数据进行了模型训练和预测，结果表明该方法所建立的预