基于核主成分分析和极限学习机的短期电力负荷预测

• 作者: 宿新爽 张淑清 李军锋 李明星 董浩 韩立强
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 短期负荷预测 多变量天气因子 核主成分分析 极限学习机
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 188-193
• 页数: 6页
• 分类号: TM714|TN-9
• 语种: 中文
• DOI: 10.13382/j.jemi.2018.01.019

摘要

电力负荷预测的影响因素很多,需要综合考虑多个指标.各种指标间的关系通常是非线性的,采用线性主成分分析(PCA)往往会出现各主成分的贡献率太过分散,找不到具有全面综合能力的成分的情况.核主成分分析(KPCA)作为非线性主成分评价模型,通过核技巧,规避了非线性主成分分析(NLPCA)中非线性变换的未确知性,获得的主成分的贡献率比较集中,得到的评价结果更符合客观事实.采用KPCA来改进极限学习机(ELM)神经网络的输入量,兼顾了各个指标间非线性关系,以保留大部分原始信息为前提,有效的降低了输入维数,以极限学习机为预测模型,对实际电网中的负荷数据进行预测分析,结果表明,KPCA-ELM方法有效地提高了预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张淑清		81	1525	21.0	36.0
2	韩立强		27	159	7.0	12.0
3	董浩		3	0	0.0	0.0
4	宿新爽		5	63	3.0	5.0
5	李军锋		4	57	3.0	4.0
6	李明星		2	8	1.0	2.0