基于主分量分析和遗传神经网络的电力负荷预测

• 作者: 胡云生 郑继明
• 来源期刊: 自动化技术与应用
• 学科: 工学
• 关键词: 神经网络 主分量分析 遗传算法 L-M贝叶斯正则化 电力负荷预测
• 年，卷（期）: 2008,（8）
• 所属期刊栏目: 控制理论与应用
• 页码范围: 1-3
• 页数: 3页
• 分类号: TM714
• 字数: 3089字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-7241.2008.08.001

摘要

针对中长期电力负荷预测受经济、人口、天气、政策的影响密切的问题,为了保证预测的准确性和快速性,应当将这些影响因素全部考虑进来作为预测模型的输入.首先通过主分量分析法在保证不丢失输入信息的情况下将输入的维数降低,然后使用遗传算法优化网络的权值和阈值,最后用L-M贝叶斯正则化BP算法训练网络,并与传统的只考虑经济因素的预测方法的训练结果进行了比较.通过<重庆统计年鉴>统计的数据仿真,结果表明本文提出的预测方法的预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑继明	重庆邮电大学应用数学研究所	70	357	11.0	14.0
2	胡云生	重庆邮电大学自动化学院	1	8	1.0	1.0