10.3969/j.issn.1005-3026.2010.04.007
基于DPCA-BP神经网络的中长期电力负荷预测方法
针对PCA-神经网络预测方法解决预测问题时,忽视数据自相关性而造成的预测结果难以满足实际工程要求精度的研究现状,建立了预测数据的增广矩阵.通过计算前l时刻数据确定增广矩阵的维数.并把得到增广后的预测数据作为BP神经网络的输入变量,建立了基于DPCA-BP神经网络的预测模型,给出了模型结构.该模型能有效地去除自变量系统中与因变量无关的数据信息,增加自变量系统中数据的自相关性.算例比较分析表明,所建立模型的模型成分解释性增强,预测精度提高,预测效果优于PCA-BP神经网络方法.
动态主元分析、数据拟合、BP神经网络、负荷预测、电力系统
31
TM715(输配电工程、电力网及电力系统)
国家自然科学基金资助项目70931001,70771021;国家创新群体科学基金资助项目60821063
2015-07-29(万方平台首次上网日期,不代表论文的发表时间)
共4页
482-485