基于改进主成分分析的短期负荷预测方法

被引：33

作者：

程其云

王有元

陈伟根

机构：

[1] 重庆大学高电压与电工新技术教育部重点实验室,重庆大学高电压与电工新技术教育部重点实验室,重庆大学高电压与电工新技术教育部重点实验室重庆市沙坪坝区贵阳市南供电局,贵州省贵阳市,重庆市沙坪坝区,重庆市沙坪坝区

来源：

电网技术 | 2005年 / 03期

关键词：

主成分分析; 神经网络; 短期负荷预测; 电力系统;

D O I：

10.13335/j.1000-3673.pst.2005.03.014

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

由各时点负荷分量组成的负荷时间序列中,各数据点间具有一定的相关性和差异性,在进行短期负荷预测时模型一般无法兼顾数据的共性和差异性。作者采用一种改进的主成分分析法,在不损失负荷原始数据主要信息的前提下提取负荷数据的主成分,有效地减少了预测模型的输入量。同时,针对电力系统短期负荷受温度影响较大的特点,将温度因素引入BP神经网络进行短期负荷预测,实例分析验证了该方法的有效性。

引用

页码：64 / 67

页数：4

共 8 条

[1] 基于主成分分析的径向基函数神经网络在电力系统负荷预测中的应用 [J].