非线性主成分分析和RBF神经网络的电力系统负荷预测

• 作者: 刘晓菲 商立群
• 来源期刊: 电网与清洁能源
• 学科: 工学
• 关键词: 电力系统 非线性主成分分析 RBF神经网络 相关性 负荷预测
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 智能电网
• 页码范围: 47-52
• 页数: 6页
• 分类号: TM715
• 字数: 3821字
• 语种: 中文

摘要

电力系统负荷预测是电力系统规划与运行的重要内容,为提高负荷预测的精度,针对主成分分析法在涉及到多指标预测体系中降维作用不明显,且考虑不到指标间非线性关系的问题,采用非线性主成分分析法改进RBF神经网络输入量,该方法克服了数据之间相关性的约束,进一步降低了预测指标维数,兼顾了指标间非线性关系,保留了原始数据的足够信息,获得电力系统负荷预测的主成分,显著地减少了径向基函数神经网络的输入量,从而提高了电力系统负荷预测的精度.实例分析验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	商立群	西安科技大学电气与控制工程学院	53	649	14.0	23.0
2	刘晓菲	西安科技大学电气与控制工程学院	2	16	1.0	2.0