10.3969/j.issn.1000-1158.2017.03.20
PCA-GRNN在综合气象短期负荷预测中的应用
为克服由气象因子较多且信息互嵌造成输入量多、预测时间长、预测精度低的缺点,引入主成分分析(PCA)提取气象因子特征量,与历史负荷数据共同作为建模对象;同时,针对BP神经网络动态性能的不足,建立基于广义回归神经网络(GRNN)的短期负荷预测模型.通过对实际电力负荷数据的预测,证明该方法与传统神经网络预测模型相比,明显提高预测精度和速度,具有实用性和有效性.
计量学、短期负荷预测、电力负荷、主成分分析、广义回归神经网络、气象因子
38
TB971(计量学)
国家自然科学基金61573302,61077071;河北省自然科学基金F2016203496,F2015203413
2017-07-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
340-344