PCA-RBF神经网络模型在工业用户电力负荷预测中的应用

• 作者: 王旭东 田娜 郑红娟 鞠黄培 黄莉
• 来源期刊: 电器与能效管理技术
• 学科: 工学
• 关键词: 电力负荷 主成分分析法 神经网络 预测模型
• 年，卷（期）: 2016,（21）
• 所属期刊栏目: 能效管理
• 页码范围: 58-62,70
• 页数: 6页
• 分类号: TM734
• 字数: 4125字
• 语种: 中文
• DOI: 10.16628/j.cnki.2095-8188.2016.21.012

摘要

依据工业用户生产性负荷特征,运用主成分分析法(PCA)对工业用户的生产性负荷因子进行标准化处理,评估特征值、特征向量及累计方差贡献率等指标,获得携带工业用户主要影响因素的关键特征量;结合径向基函数(RBF)神经网络算法,构建基于主成分分析(PCA)和RBF神经网络组合(PCA-RBF)的生产性负荷预测模型.试验结果表明,PCA-RBF神经网络预测模型能有效克服传统神经网络训练速度慢的不足,且具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王旭东		42	255	9.0	14.0
2	黄莉		10	62	5.0	7.0
3	田娜		5	18	2.0	4.0
4	郑红娟		4	18	3.0	4.0
5	鞠黄培		2	86	2.0	2.0