10.3969/j.issn.1001-1390.2016.10.010
基于KPCA和BP神经网络的短期负荷预测
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.
电力系统、负荷预测、核主成分分析、神经网络
53
TM715(输配电工程、电力网及电力系统)
多源互补源网协调优化调度理论及方法的研究5227201350PM
2016-09-20(万方平台首次上网日期,不代表论文的发表时间)
共5页
57-61