维多利亚州电力需求建模的神经模糊方法
人工智能
2007-05-23 v1
摘要
由于对智能系统日益增长的需求，神经模糊系统引起了各科学和工程领域研究人员的日益关注。本文评估了两种流行的软计算技术以及基于 Box-Jenkins 自回归积分滑动平均（ARIMA）模型的传统统计方法在澳大利亚维多利亚州电力需求预测中的应用。所考虑的软计算方法是进化模糊神经网络和分别使用缩放共轭梯度算法和反向传播算法训练的人工神经网络。预测精度与维多利亚电力交易所使用的预测和实际能源需求进行了比较。为了进行评估，我们考虑了每 30 分钟采集一次的连续 10 个月的负荷需求模式，用于训练不同的预测模型。测试结果表明，神经模糊系统的性能优于神经网络、ARIMA 模型和 VPX 预测。
引用
@article{arxiv.cs/0405010,
title = {A Neuro-Fuzzy Approach for Modelling Electricity Demand in Victoria},
author = {Ajith Abraham and Baikunth Nath},
journal= {arXiv preprint arXiv:cs/0405010},
year = {2007}
}