基于概念格的神经网络日最大负荷预测输入参数选择

• 作者: 任海军 周湶 张晓星 肖波
• 来源期刊: 吉林大学学报（理学版）
• 学科: 工学
• 关键词: 神经网络 概念格 属性约简 负荷预测
• 年，卷（期）: 2011,（1）
• 页码范围: 87-92
• 分类号: TP181
• 字数: 4640字
• 语种: 中文

摘要

针对电力系统中影响负荷预测精度的众多因素如何选择问题,提出一种概念格属性约简算法,采用该算法挖掘出与待预测负荷量相关性较大的各属性作为神经网络预测模型的输入参数,降低了输入参数规模,确保了负荷预测模型输入参数的合理性,解决了神经网络模型输入参数的确定问题.通过对重庆市某区实际日最大负荷数据的计算分析,结果表明该算法提高了神经网络模型的预测精度,从而证实了所提出约简算法的合理性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓星	重庆大学输配电装备及系统安全与新技术国家重点实验室	100	2498	29.0	46.0
2	周湶	重庆大学输配电装备及系统安全与新技术国家重点实验室	55	1883	27.0	42.0
3	任海军	重庆大学输配电装备及系统安全与新技术国家重点实验室	23	315	10.0	17.0