基于PCA和RBF神经网络的中长期负荷预测方法

被引：4

作者：

张尧

席云华

胡金磊

夏成军

林凌雪

机构：

[1] 华南理工大学电力学院

来源：

电气应用 | 2008年 / 02期

关键词：

主成分分析; RBF神经网络; 中长期负荷预测;

D O I：

暂无

中图分类号：

TM715 [电力系统规划]; TP183 [人工神经网络与计算];

学科分类号：

080802 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对电力系统负荷预测问题,利用径向基函数(RBF)神经网络补全历史负荷数据,然后在主成分分析(Principal Component Analysis,PCA)和RBF神经网络原理的基础上,结合PCA和RBF神经网络方法进行负荷预测。实例表明该方法能有效降低输入变量的维数,且具有较高的精度。

引用

页码：61 / 64

页数：4

共 11 条

[1]

电力系统短期负荷预测主成分分析和人工神经网络的组合方法.[D].苏炜宏.南京理工大学.2002, 02

[2]

统计学.[M].王晓林主编;.经济科学出版社.2001,

[3]

人工神经网络理论及应用.[M].张铃;张钹[著];.浙江科学技术出版社.1997,

[4]

多元统计分析.[M].孙文爽;陈兰祥编;.高等教育出版社.1994,

[5] RBF神经网络在中长期负荷预测中的应用 [J].

陈泽淮 ;

张尧 ;

武志刚 .

电力系统及其自动化学报, 2006, (01) :15-19

[6] 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].

赵杰辉 ;

葛少云 ;

刘自发 .

电网技术, 2004, (05) :35-37+40

[7] 基于主成分分析法和自适应神经模糊推理系统的电力负荷预测 [J].

王志征 ;

余岳峰 ;

姚国平 .

电力自动化设备, 2003, (09) :39-41

[8] 主成份分析法在电力负荷预测中的应用 [J].

王志征 ;

余岳峰 ;

姚国平 .

电力需求侧管理, 2003, (03) :21-24

[9] 主成分分析在数学建模中的应用 [J].

朱宁 ;

陈克西 ;

李竹梅 .

工科数学, 1999, (04) :106-110

[10] 关于主成分分析应用的思考 [J].

黄宁 .

数理统计与管理, 1999, (05) :44-46+52

← 1 2 →