论文部分内容阅读
在神经网络负荷预测实际应用中，突出的问题是训练样本大、训练时间长、收敛速度慢。针对负荷预测样本代表性问题，建立了基于蚁群聚类的Elman神经网络预测模型。对负荷历史数据进行蚁群聚类预处理，将聚类后的数据作为神经网络的训练样本。其目的是使输入样本具有代表性，改善网络训练时间和收敛速度，有效提高预测精度。通过某发电厂负荷数据的验证，该模型的预测结果精度较好。