基于PCA和BRNN的土地负荷类型预测
随着社会经济的发展,新开发区域不断涌现,对其进行空间负荷预测是配电网规划的一项基础工作.空间负荷预测最常用的方法为用地仿真法,其核心在于土地负荷类型的转换规则.转换规则的建立需要大量的地理数据信息,该数据庞大且内容繁杂,这会导致建模困难、关键信息难以提取以及局部数据对转换规则影响过大等问题.为此,提出一种基于主成分分析法和贝叶斯正规化神经网络的土地负荷预测方法.通过对由空间地理系统获取的空间地理信息进行主成分分析,在实现关键主成分信息提取的同时,达到数据降维简化的目的.在此基础上,进一步在人工神经网络建模中,加入贝叶斯正规化理论以增强系统的泛化能力,提高预测准确度.案例分析证明了该方法的可行性.
空间负荷预测、地理信息系统、主成分分析法、贝叶斯正规化、人工神经网络
38
TP3;TP181;V235.1
国家自然科学基金;江苏省"六大人才高峰"高层次人才项目;江苏省配电网智能技术与装备协同创新中心开放基金项目
2019-12-13(万方平台首次上网日期,不代表论文的发表时间)
共8页
17-24