| 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 |
