改进F-score特征选择的MPSO-BP神经网络短期负荷预测

• 作者: 丁坚勇 卜凡鹏 朱天瞳 朱炳翔 田世明 陈俊艺
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: F-score特征选择 降维 最优特征子集 改进粒子群
• 年，卷（期）: 2018,（15）
• 所属期刊栏目: 智能电网
• 页码范围: 36-41
• 页数: 6页
• 分类号: TM933
• 字数: 4601字
• 语种: 中文

摘要

针对海量数据提出一种基于改进Fisher分数(F-score)特征选择的改进粒子群优化的BP(Modified Particle Swarm Optimization and Back Propagation,MPSO-BP)神经网络短期负荷预测方法.首先采用改进F-score特征评价准则计算影响负荷预测精度各个特征的F-score值,再通过F-score Area法设定阈值筛选出最优特征子集,然后将最优特征子集作为MPSO-BP神经网络模型的输入变量完成对预测日一天24点负荷的预测,并与MPSO-BP神经网络短期负荷预测和传统BP神经网络短期负荷预测进行对比.算例表明,文中提出的短期负荷预测方法可以较好地对海量数据进行挖掘,具有较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田世明		40	1298	13.0	36.0
2	丁坚勇	武汉大学电气工程学院	118	1480	21.0	33.0
3	朱炳翔	武汉大学电气工程学院	4	12	2.0	3.0
4	卜凡鹏		13	84	5.0	8.0
5	陈俊艺	武汉大学电气工程学院	4	18	3.0	4.0
6	朱天瞳	武汉大学电气工程学院	1	3	1.0	1.0