电力系统负荷分类预测是电力生產部门的重要工作之一通过准确的负荷分类预测，可以合理安排机组启停减少备用容量，合理安排检修计划及降低发电成本等准确嘚预测，特别是短期预测对提高电力经营主体的运行效益有直接的作用对电力系统控制、运行和计划都有重要意义。神经网络具有以下優点：（1)可以任意逼近复杂的非线性函数；（2）所有定量或定性的信息都等势分布贮存于网络内的各神经元故有很强的鲁棒性和容错性(3)采用并行分布处理方法，使得快速进行大量运算成为可能；(4)可学习和自适应不知道或不确定的系统；(5)能够同时处理定量、定性知识 本文介绍了电力负荷分类预测的主要方法和神经网络的原理、结构，分析了反向传播算法和广义神经网络算法采用改进的三层人工神经网络來建立负荷分类预测模型，以前七天的负荷分类数据和当天影响负荷分类的天气因素作为数据样本进行神经网络的自我训练和学习。用Matlab軟件中分别实现了基于BP和GRNN的两种神经网络的短期电力负荷分类预测取得了良好的预测效果，并对两种神经网络的仿真结果进行对比结果表明GRNN的相对误差率比BP的相对误差率要小，这说明GRNN的仿真效果胜于BP

神经网络在电力负荷分类预测

基於MATLAB的神经网络在电力负荷分类预测\基于MATLAB的神经网络在电力负荷分类预测.ppt, 212992 ,
基于MATLAB的神经网络在电力负荷分类预测, 0 ,