PCA-GRNN在综合气象短期负荷预测中的应用

• 作者: 乔永静 任爽 姜安琦 张淑清 张航飞 胡永涛
• 来源期刊: 计量学报
• 学科: 工学
• 关键词: 计量学 短期负荷预测 电力负荷 主成分分析 广义回归神经网络 气象因子
• 年，卷（期）: 2017,（3）
• 页码范围: 340-344
• 页数: 5页
• 分类号: TB971
• 字数: 3899字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2017.03.20

摘要

为克服由气象因子较多且信息互嵌造成输入量多、预测时间长、预测精度低的缺点,引入主成分分析(PCA)提取气象因子特征量,与历史负荷数据共同作为建模对象;同时,针对BP神经网络动态性能的不足,建立基于广义回归神经网络(GRNN)的短期负荷预测模型.通过对实际电力负荷数据的预测,证明该方法与传统神经网络预测模型相比,明显提高预测精度和速度,具有实用性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张淑清	燕山大学电气工程学院	81	1525	21.0	36.0
2	胡永涛	燕山大学电气工程学院	13	149	8.0	12.0
3	姜安琦	中南大学信息工程学院	4	82	4.0	4.0
4	任爽	燕山大学电气工程学院	6	49	4.0	6.0
5	张航飞	燕山大学电气工程学院	8	53	5.0	7.0
6	乔永静	燕山大学电气工程学院	5	34	5.0	5.0