摘　要：应用扩展自组织映射网络研究了电力系统峰值负荷预测问题.在传统的Kohonen自组织映射(SOM)网络的学习算法的基础上,为了提高电力系统峰值负荷预测的精度,进一步提出了一种扩展的自组织映射算法.在这个SOM网络中,除了权矩阵外,还有一个输入输出对的局部梯度(Jocobian)矩阵也被存储在神经元中.这样,在输出空间中梯度信息围绕输出权值产生了一个一阶扩展,便可得到一个输出的改进估计值.同时,提出了一个Jocobian矩阵的生成算法.最后采用纽约市的电力负荷数据为研究对象,证明了所提出方法的有效性.
关键词：负荷预测;自组织映射网络;电力峰值负荷
分类号：TM715 　文献标识码：A
文章编号：1004-9649(2007)08-0032-04

Peak load forecasting using the self-organizing map

DONG Li-wen　 FAN Shu　

作者简介：董立文(1974-),男,湖南桃江人,工程师,从事带电检测试验研究.E-mail:dlw2005177@163.com
作者单位：董立文（青海电力试验研究所,青海,西宁,810008）　
　　　　　 范澍（大阪产业大学,日本,大阪,573-0013）　

参考文献：

[1]肖国全,王春,张福伟.电力负荷预测[M].北京:中国电力出版社,2004.XIAO Guo-quan,WANG Chun,ZHANG Fu-wei.The electrical load forecasting[M].Beijing:China Electric Power Press,2004.
[2]HAIDA T,MUTO S.Regression based peak load forecasting using a transformation technique[J].IEEE Trans.Power Systems,1994,4(9):1788-1794.
[3]朱六璋,袁林,黄太贵.短期负荷预测的实用数据挖掘模型[J].电力系统自动化,2002,28(3):49-52.ZHU Liu-zhang,YUAN Lin,HUANG Tai-gui.Applied data mining models for short-term load forecasting[J].Automation of Electric Power Systems,2002,28 (3):49-52.
[4]WU H,LUC.A data mining approach for spatial modeling in small area load forecast[J].IEEE Trans.Power Systems,2002,17 (2):516-521.
[5]姚李孝,姚金雄,李宝庆,等.基于竞争分类的神经网络短期电力负荷预测[J].电网技术,2004,28(10):45-48.YAO Li-xiao,YAO Jin-xiong,LI Bao-qing,et al.Short-term load forecasting using neural network based on competitive learning classification[J].Power System Technology,2004,28 (10):45 -48.
[6]MOHAN SAINI L,KUMAR SONI M.Artificial neural networkbased peak load forecasting using conjugate gradient methods[J].IEEE Trans.Power Systems,2002,17 (3):907-912.
[7]WALTER J A,SCHULTEN K J.Implementation of self-organizing neural networks for visuo-motor control of an industrial robot[J].IEEE Trans.Neural Networks,1993 (4):86-95.