基于PCA与改进BP神经网络相结合的电网中长期负荷预测

论文摘要

本文在标准反向传播神经网络的基础上,提出一种结合主成分分析法和改进的误差反向传播神经网络的方法来对电网中长期的电力负荷进行预测。首先利用主成分分析法对电力负荷的影响因素进行特征提取,有效地降低数据样本的维度,消除数据的冗余和线性信息,保留主要成分作为模型的输入数据。然后在标准的神经网络的反向传播环节中引入动量项和陡度因子。两种方法的结合有效地解决了网络收敛速度慢和容易陷入局部最小值的问题。将此方法应用于济源市的中长期电力负荷预测,实验结果表明,基于主成分分析法与改进的反向传播神经网络相结合的方法比常用的标准的反向传播神经网络、基于多变量的时间序列网络及时间序列网络具有更高的计算效率和预测精度,证明提出的预测模型在电力负荷预测中是有效的。

论文目录

• 1 主成分分析法 （principle component analysis, PCA）
• 2 标准BP神经网络算法
•   2.1 标准BP神经网络的定义及特点
•   2.2 标准BP神经网络的实现步骤
•   2.3 标准BP神经网络的缺陷
• 3 基于PCA与改进的BP神经网络算法
• 4 实例分析
•   4.1 电力负荷预测及检验的原始数据
•   4.2 改进算法的实验仿真
•   4.3 负荷预测的误差计算
•   4.4 实验结果分析
• 5 结束语

文章来源

类型: 期刊论文

作者: 贺远,翟丹丹,苏贵敏

关键词: 中长期负荷预测,主成分分析法,反向传播神经网络,收敛速度,预测精度

来源: 电力大数据 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 国网河南省电力公司济源供电公司

分类号: TP183;TM715

DOI: 10.19317/j.cnki.1008-083x.2019.05.012

页码: 74-80

总页数: 7

文件大小: 746K

下载量: 189