主分量启发式约简算法的短期负荷预测

• 作者: 尹晶晶 郑晓栋 马立新
• 来源期刊: 电力科学与工程
• 学科: 工学
• 关键词: 粗糙集 神经网络 负荷预测 主分量
• 年，卷（期）: 2015,（1）
• 页码范围: 27-30,43
• 页数: 5页
• 分类号: TM715
• 字数: 3436字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-0792.2015.01.006

摘要

针对众多不确定要素影响电力负荷预测准确度的问题,对粗糙集理论进行研究的基础上,提出了基于属性主分量的启发式约简算法,对天气及负荷历史数据进行处理,并建立了与广义回归神经网络结合的短期负荷预测模型.通过属性约简算法提取对未知负荷变化影响大的关键要素,得到的要素属性作为该模型的学习样本.算例结果表明,新算法与根据经验选取输入参数的传统广义回归神经网络相比,预测准确度有了明显的提高,计算量减少,更适用于短期电力负荷预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马立新	上海理工大学电气工程系	146	650	11.0	17.0
2	郑晓栋	上海理工大学电气工程系	7	30	4.0	5.0
3	尹晶晶	上海理工大学电气工程系	6	29	4.0	5.0