非线性主成分分析和RBF神经网络的
电力系统负荷预测 |
| |
引用本文: | 刘晓菲,商立群.非线性主成分分析和RBF神经网络的
电力系统负荷预测[J].电网与水力发电进展,2016,32(1):47-52. |
| |
作者姓名: | 刘晓菲 商立群 |
| |
作者单位: | 西安科技大学 电气与控制工程学院, 陕西 西安 710054,西安科技大学 电气与控制工程学院, 陕西 西安 710054 |
| |
基金项目: | 陕西省教育厅科研计划项目资助(12JK0568);陕西省自然科学基础研究计划资助项目(2014JM2-5077) |
| |
摘 要: | 电力系统负荷预测是电力系统规划与运行的重要内容,为提高负荷预测的精度,针对主成分分析法在涉及到多指标预测体系中降维作用不明显,且考虑不到指标间非线性关系的问题,采用非线性主成分分析法改进RBF神经网络输入量,该方法克服了数据之间相关性的约束,进一步降低了预测指标维数,兼顾了指标间非线性关系,保留了原始数据的足够信息,获得电力系统负荷预测的主成分,显著地减少了径向基函数神经网络的输入量,从而提高了电力系统负荷预测的精度。实例分析验证了该方法的有效性。
|
关 键 词: | 电力系统 非线性主成分分析 RBF神经网络 相关性 负荷预测 |
Nonlinear Principal Component Analysis and RBF Neural
Network for Power System Load Forecasting |
| |
Authors: | LIU Xiaofei and SHANG Liqun |
| |
Abstract: | |
| |
Keywords: | |
|
| 点击此处可从《电网与水力发电进展》浏览原始摘要信息 |
|
点击此处可从《电网与水力发电进展》下载全文 |