科研之友
微信
新浪微博
Facebook
分享链接
摘要
阐述BP神经网络与X12、ARIMA数学结合算法，提高不同维度售电量预报精度。探讨影响售电量预报参数，对历史售电量数据分解为趋势分量、季节周期分量和随机分量，且各分量随时间的变化规律不一样，针对各分量序列不同特征分别分析，其结果选用乘法模型进行叠加处理。在保证计算精度和运算时间满足实际应用的前提下，合理计算BP网络隐层数量，以及输入层参数。通过大量实际数据与预报数据的误差分析，确定传统数学模型与BP神经网络相结合的方法预报精度误差小于5%。
-
单位哈尔滨工业大学; 辽宁省电力有限公司
