基于KPCA和BP神经网络的短期负荷预测

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.

关键词：电力系统、负荷预测、核主成分分析、神经网络

所属期刊栏目：53

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：多源互补源网协调优化调度理论及方法的研究5227201350PM

在线出版日期：2016-09-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：57-61