基于KPCA和BP神经网络的短期负荷预测

• 作者: 何川 关铁英 刘天琪 刘畅 王福军 陈振寰
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 电力系统 负荷预测 核主成分分析 神经网络
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 电能计量与负荷控制
• 页码范围: 57-61
• 页数: 5页
• 分类号: TM715
• 字数: 3272字
• 语种: 中文

摘要

为了提高电力系统短期负荷预测的精度,文中提出了一种基于核主成分分析(KPCA)和BP神经网络的负荷预测方法.影响负荷的因素作为神经网络的输入变量,太多输入变量会加大神经网络的训练负担,运用核主成分分析的方法对初始神经网络输入变量进行非线性降维,将降维后的数据作为神经网络新的输入变量,并对神经网络的训练算法进行改进,以加快收敛速度,最后在每一个时刻点上建立模型进行预测.采用文中提出的方法对甘肃某地区2014年的负荷进行预测,并与已有的BP神经网络方法和PCA-BP神经网络方法进行对比,结果表明该方法可提高负荷预测的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘天琪	四川大学电气信息学院	236	3227	28.0	47.0
2	何川	四川大学电气信息学院	61	259	9.0	12.0
3	刘畅	四川大学电气信息学院	129	432	11.0	17.0
4	陈振寰		5	27	3.0	5.0
5	王福军		4	48	4.0	4.0
6	关铁英		3	30	3.0	3.0