基于FCM-DPSO-RBF神经网络的电力负荷预测方法

AITNT
正文
推荐专利
基于FCM-DPSO-RBF神经网络的电力负荷预测方法
申请号:CN202510773165
申请日期:2025-06-11
公开号:CN120749691A
公开日期:2025-10-03
类型:发明专利
摘要
本发明公开了一种基于FCM‑DPSO‑RBF神经网络的电力负荷预测方法,属于电力系统领域。本发明基于一种动态自适应粒子群优化算法,通过融合模糊C均值聚类与径向基函数神经网络,生成电力负荷预测模型对电力负荷进行预测,克服了传统粒子群优化算法在神经网络参数预测中的固有缺陷,适用于风光荷数据预测等工程场景。
技术关键词
电力负荷预测模型 粒子群优化算法 径向基函数神经网络 电力负荷预测方法 模糊C均值聚类 RBF神经网络 粒子群算法 动态 轮廓系数 阶段 误差函数 神经网络参数 均匀噪声 逃逸机制 因子
系统为您推荐了相关专利信息
1
一种考虑时序因素的动态层次粒度模型电力负荷预测方法
电力负荷预测方法 时序 离群点 高斯径向基函数 非平稳时间序列
2
一种分段式脉冲充电控制方法及系统
脉冲充电控制方法 信号占空比 缓冲带 分段 粒子群优化算法
3
一种基于深度学习的智能滤波方法及系统
粒子群优化算法 智能滤波方法 滤波器 阶段 数据滤波技术
4
一种基于PLC的城市天然气供销差控制方法
梯形图语言 粒子群优化算法 闭环控制系统 供气控制技术 控制策略开发
5
一种电池壳体激光焊接工艺方法及装置
激光焊接工艺方法 接合面 电池壳体 数据 控制焊接机器人
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号