基于KPCA和BP神经网络的短期负荷预测

被引：20

作者：

刘畅 ^{[1
]}

刘天琪 ^{[1
]}

陈振寰 ^{[2
]}

何川 ^{[1
]}

王福军 ^{[2
]}

关铁英 ^{[2
]}

机构：

[1] 四川大学电气信息学院

[2] 国网甘肃省电力公司

来源：

电测与仪表 | 2016年 / 53卷 / 10期

关键词：

电力系统; 负荷预测; 核主成分分析; 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：

为了提高电力系统短期负荷预测的精度,文中提出了一种基于核主成分分析(KPCA)和BP神经网络的负荷预测方法。影响负荷的因素作为神经网络的输入变量,太多输入变量会加大神经网络的训练负担,运用核主成分分析的方法对初始神经网络输入变量进行非线性降维,将降维后的数据作为神经网络新的输入变量,并对神经网络的训练算法进行改进,以加快收敛速度,最后在每一个时刻点上建立模型进行预测。采用文中提出的方法对甘肃某地区2014年的负荷进行预测,并与已有的BP神经网络方法和PCA-BP神经网络方法进行对比,结果表明该方法可提高负荷预测的精度。

引用

页码：57 / 61

页数：5

共 11 条

[1]

现代天气预报技术.[M].孔玉寿;章东华编著;.气象出版社.2000,

[2] 基于改进的SVM短期负荷预测研究 [J].