基于大数据简约及PCA改进RBF网络的短期电力负荷预测

• 作者: 任爽 姜万录 张淑清 李盼 钱磊 陈荣飞
• 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 大数据简约 主元分析 RBF神经网络 气象因子
• 年，卷（期）: 2018,（3）
• 页码范围: 392-396
• 页数: 5页
• 分类号: TB971
• 字数: 3628字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2018.03.21

摘要

针对电力负荷大数据化越发突出,引入最小绝对值收敛及选择(Lasso)算法解决电力负荷大数据难题,对电力负荷及相关天气因素大数据进行高维数据特征提取,获得有用数据集.为避免输入空间严重自相关及网络维数较高,造成径向基函数(RBF)神经网络预测精度严重下降的不良影响,提出基于主元分析(PCA)改进的RBF神经网络电力负荷预测模型,消除多气象因素相关性,剔除冗余,提取天气因素特征量,将新天气特征量与历史负荷数据共同作为RBF网络的建模对象,既全面表征天气因素对电力负荷的影响,又简化预测模型,加快预测速率.经美国南部某地区实际电力负荷数据的预测分析,充分证明该方法的有效性及可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜万录	燕山大学电气工程学院	138	1777	24.0	35.0
2	张淑清	燕山大学电气工程学院	81	1525	21.0	36.0
3	钱磊	燕山大学电气工程学院	6	62	4.0	6.0
4	李盼	燕山大学电气工程学院	15	257	9.0	15.0
5	任爽	燕山大学电气工程学院	6	49	4.0	6.0
6	陈荣飞	燕山大学电气工程学院	4	14	1.0	3.0