基于核主成分分析与改进神经网络的电力负荷中期预测模型

• 作者: 刘钊 孔建寿 孙新程
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 核主成分分析 粒子群优化 反向传播神经网络 电力负荷 中期预测
• 年，卷（期）: 2018,（3）
• 页码范围: 259-265
• 页数: 7页
• 分类号: TM715
• 字数: 4857字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2018.42.03.001

摘要

为了提高电力负荷中期预测水平,提出了1种核主成分分析( KPCA)和粒子群优化反向传播神经网络( PSO-BPNN)相结合的电力负荷中期预测模型.引入KPCA对原始输入空间降维重构,将降维后的数据集输入PSO算法优化的BPNN模型中,提出了月平均最大预测负荷修正日预测负荷的方法,输出待预测日的最大预测负荷.采用欧洲智能技术网络提供的负荷数据进行验证,实验结果的平均绝对百分误差为1.39%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孔建寿	南京理工大学自动化学院	37	569	12.0	23.0
2	刘钊	南京理工大学自动化学院	12	42	4.0	6.0
3	孙新程	南京理工大学自动化学院	2	16	1.0	2.0