基于模糊粗糙集和神经网络的短期负荷预测方法

针对采用神经网络进行电力系统短期负荷预测时其网络输入变量的选择是影响预测效果的关键问题,该文提出使用模糊粗糙集理论解决这一问题:对采集到的信息进行特征提取、形成决策表:利用模糊粗糙集理论进行属性约简、去除冗余信息:用得到的属性作为BP网络的输入进行训练预测。该方法既全面考虑了影响负荷预测的历史时间序列、气象等各种因素,为合理地选择神经网络的输入变量提供了一种新的方法,又避免了由于输入变量过多而导致神经网络拓扑结构复杂、训练时间长等不足。计算实例表明,文中提出的方法是有效且可行的。