基于偏最小二乘法与BP神经网络的电力中长期负荷预测

摘要：

用于考虑多个相关因素影响的负荷预测时,偏最小二乘法(partial least squares regression,PLSR)通过提取影响负荷的自变量集的主成分,克服了自变量间多重相关性对于负荷建模带来的不利影响,具有对模型解释能力强的优点.但PLSR也有其自身的弱点,如自变量系统中可能存在与因变量无关的正交数据信息,而影响模型的预测精度.基于PLSR算法和BP神经网络的特性,建立了一种PLSR-BP神经网络模型,该模型对原PLSR建模过程中产生的权值和回归系数进行修正,仿真研究结果证明了该方法的正确性和有效性.

关键词：电力负荷预测、偏最小二乘法(PLSR)、权值、回归系数、神经网络

所属期刊栏目：33

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2012-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：26-29