ICA特征提取与BP神经网络在负荷预测中的应用

被引：21

作者：

何川 ^{[1
]}

舒勤 ^{[1
]}

贺含峰 ^{[2
]}

机构：

[1] 四川大学电气信息学院

[2] 四川省电力公司

来源：

电力系统及其自动化学报 | 2014年 / 26卷 / 08期

关键词：

短期负荷预测; 独立分量分析; 主分量分析; 特征提取; BP神经网络;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

BP神经网络在短期电力负荷预测时,经济、天气、社会等很多因素及大量的历史数据会被考虑进去,造成输入空间维数较高且相关,从而降低神经网络效率。利用主分量分析法PCA(principle component analysis)和独立分量分析法ICA(independent component analysis)在不损失负荷原始数据主要信息的前提下,根据各分量贡献率大小对输入空间进行重构,降低神经网络的输入量。文中提出的ICA特征提取法在对负荷数据进行重构处理时,有效去除了噪声以及保留了原始数据中的潜在信息和特征,最后仿真也证明了该方法预测的有效性。

引用

页码：40 / 46

页数：7

共 8 条

[1] 短期电力负荷预测模型的建立与应用 [J].

李永斌 .

计算机仿真, 2011, 28 (10) :316-319

[2] 基于主成分分析与核独立成分分析的降维方法 [J].

梁胜杰 ;

张志华 ;

崔立林 ;

钟强晖 .

系统工程与电子技术, 2011, 33 (09) :2144-2148

[3] 运用BP神经网络的电力负荷混沌多步预测 [J].

马轶东 ;

何怡刚 ;

王桓 .

电力系统及其自动化学报, 2010, 22 (04) :81-84

[4] 基于PCA-SVM的电力系统短期负荷预测 [J].

李云飞 ;

黄彦全 ;

蒋功连 .

电力系统及其自动化学报, 2007, (05) :66-70

[5] ANN在电力系统中期负荷预测中的应用 [J].

周中明 ;

李建平 ;

张鑫 ;

韦钢 .

电力系统及其自动化学报, 2003, (02) :36-39

[6]

盲信号处理[M]. 国防工业出版社 , 马建仓, 2006

[7]

独立分量分析的原理与应用[M]. 清华大学出版社 , 杨福生, 2006

[8]

Price forecasting by ICA-SVM in the Competitive Electricity Market .2 Yi Wang,Songqing Yu. 3rd IEEE Conference on Industrial Electronics and Applications . 2008

← 1 →