基于主成分分析法的遗传神经网络模型对电力系统的短期负荷预测

被引：10

作者：

黄媛玉 ^{[1
]}

毛弋 ^{[2
]}

机构：

[1] 湖南大学信息科学与工程学院

[2] 湖南大学电气工程与科学学院

来源：

湖南师范大学自然科学学报 | 2011年 / 34卷 / 05期

基金：

湖南省自然科学基金;

关键词：

电力系统; 负荷预测; 主成分分析; 遗传算法; 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：

针对BP神经网络的两个主要缺点,网络训练速度慢,对初始权值阈值敏感,容易陷入局部极小点,本文利用多元统计分析的主成分分析方法(Principal components analysis,PCA),在不损失原始负荷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.同时将遗传算法(GA)与BP神经网络结合,利用GA的全局搜索优化BP网络的结构参数,有效克服BP算法的局部收敛等问题.实验结果表明,该方法提高了预测精度,得到了较好的预测结果.

引用

页码：26 / 31

页数：6

共 11 条

[1] 改进的TSK型动态模糊神经网络在短期负荷预测中的应用(英文) [J].