基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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%.
推荐文章
基于KPCA和BP神经网络的短期负荷预测
电力系统
负荷预测
核主成分分析
神经网络
基于主成分分析的 BP 神经网络和 RBF 神经网络月平均气温预测模型
主成分分析
BP 神经网络
RBF 神经网络
月平均气温
基于深度神经网络的中期电力负荷预测
中期负荷预测
前馈深度神经网络
递归深度神经网络
时域-频域分析
基于主成分分析的径向基函数神经网络在电力系统负荷预测中的应用
主成分分析
径向基函数
人工神经网络
负荷预测
电力系统
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 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
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) 所属期刊栏目
研究方向 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
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (191)
共引文献  (680)
参考文献  (23)
节点文献
引证文献  (16)
同被引文献  (66)
二级引证文献  (4)
1966(1)
  • 参考文献(0)
  • 二级参考文献(1)
1971(1)
  • 参考文献(0)
  • 二级参考文献(1)
1972(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(3)
  • 参考文献(1)
  • 二级参考文献(2)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(4)
  • 参考文献(0)
  • 二级参考文献(4)
1996(8)
  • 参考文献(0)
  • 二级参考文献(8)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(11)
  • 参考文献(0)
  • 二级参考文献(11)
1999(11)
  • 参考文献(0)
  • 二级参考文献(11)
2000(8)
  • 参考文献(0)
  • 二级参考文献(8)
2001(14)
  • 参考文献(1)
  • 二级参考文献(13)
2002(19)
  • 参考文献(1)
  • 二级参考文献(18)
2003(21)
  • 参考文献(1)
  • 二级参考文献(20)
2004(20)
  • 参考文献(4)
  • 二级参考文献(16)
2005(19)
  • 参考文献(1)
  • 二级参考文献(18)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(6)
  • 参考文献(2)
  • 二级参考文献(4)
2008(12)
  • 参考文献(1)
  • 二级参考文献(11)
2009(16)
  • 参考文献(1)
  • 二级参考文献(15)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(6)
  • 参考文献(2)
  • 二级参考文献(4)
2012(5)
  • 参考文献(3)
  • 二级参考文献(2)
2013(4)
  • 参考文献(2)
  • 二级参考文献(2)
2014(3)
  • 参考文献(1)
  • 二级参考文献(2)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(8)
  • 引证文献(7)
  • 二级引证文献(1)
2020(12)
  • 引证文献(9)
  • 二级引证文献(3)
研究主题发展历程
节点文献
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
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京理工大学学报(自然科学版)
双月刊
1005-9830
32-1397/N
南京孝陵卫200号
chi
出版文献量(篇)
3510
总下载数(次)
7
总被引数(次)
33414
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
江苏省自然科学基金
英文译名:Natural Science Foundation of Jiangsu Province
官方网址:http://www.jsnsf.gov.cn/News.aspx?a=37
项目类型:
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导