基于自组织映射−前馈神经网络和先知混合模型的短期负荷预测

陈宇航; 王渝红; 南璐; 何川; 王腾鑫; 张敏

doi:10.19725/j.cnki.1007-2322.2023.0036

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于自组织映射−前馈神经网络和先知混合模型的短期负荷预测

电力市场 | 更新时间：2025-10-13

- 基于自组织映射−前馈神经网络和先知混合模型的短期负荷预测
- Short-term Load Forecasting Based on SOM-BP and Prophet Hybrid Model
- “在电力系统短期负荷预测领域，专家提出了一种基于自组织映射−前馈神经网络和先知混合模型的预测方法，有效提高了预测精度，并在克服历史数据缺失和拟合非工作日负荷曲线等方面具有优势。”
- 现代电力 2025年42卷第2期页码：352-359
- 作者机构：
  
  1.四川大学电气工程学院, 四川省成都市 610065
  2.国网山西电力科学研究院, 山西省太原市 030000
- 作者简介：
  
  [ "陈宇航(1995)，男，硕士研究生，研究方向为电力系统优化运行、电力负荷预测、电力系统与人工智能，E-mail：976495562@qq.com" ]
  [ "王渝红(1971)，女，教授，博士生导师，研究方向为电力系统稳定与控制、高压直流输电、新能源并网、人工智能等方面，E-mail：yuhongwang@scu.edu.cn" ]
  [ "南璐(1994)，女,博士，副研究员，通信作者，主要研究方向为电力系统及综合能源系统规划与优化运行、低碳电力系统等方面，E-mail：lhan@scu.edu.cn" ]
  [ "何川(1988)，男，副教授，博士生导师，主要研究方向为电力系统、综合能源系统优化运行、新能源并网等方面，E-mail：he_chuan@scu.edu.cn" ]
  [ "王腾鑫(1993)，男，硕士，助理工程师，研究方向为电力系统自动化技术、电动汽车技术，E-mail：15376150256@163.com" ]
  [ "张敏(1988)，女，硕士，高级工程师，研究方向为电力系统自动化技术、电动汽车技术，E-mail：mevisan@126.com" ]
- 基金信息：
  
  国家电网公司总部科技项目(5100-202199274A-0-0-00)。
- DOI：10.19725/j.cnki.1007-2322.2023.0036
  中图分类号： TM73
- 收稿：2023-02-09，
  
  录用：2023-08-04，
  
  纸质出版：2025-04-10
- 稿件说明：
移动端阅览
陈宇航, 王渝红, 南璐, 等. 基于自组织映射−前馈神经网络和先知混合模型的短期负荷预测[J]. 现代电力, 2025,42(2):352-359.

Yuhang CHEN, Yuhong WANG, Lu NAN, et al. Short-term Load Forecasting Based on SOM-BP and Prophet Hybrid Model[J]. Modern electric power, 2025, 42(2): 352-359.
陈宇航, 王渝红, 南璐, 等. 基于自组织映射−前馈神经网络和先知混合模型的短期负荷预测[J]. 现代电力, 2025,42(2):352-359. DOI： 10.19725/j.cnki.1007-2322.2023.0036.

Yuhang CHEN, Yuhong WANG, Lu NAN, et al. Short-term Load Forecasting Based on SOM-BP and Prophet Hybrid Model[J]. Modern electric power, 2025, 42(2): 352-359. DOI： 10.19725/j.cnki.1007-2322.2023.0036.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于集合经验模态分解和Q学习策略的短期负荷预测模型

基于变分模态分解的卷积长短时记忆网络短期电力负荷预测方法

基于长短期记忆神经网络组合算法的短期电力负荷预测

一种改进Transformer的电力负荷预测方法

基于混合麻雀算法改进反向传播神经网络的短期光伏功率预测

基于自组织映射−前馈神经网络和先知混合模型的短期负荷预测

Short-term Load Forecasting Based on SOM-BP and Prophet Hybrid Model

DOI：10.19725/j.cnki.1007-2322.2023.0036