电气应用
電氣應用
전기응용
ELECTROTECHNICAL APPLICATION
2008年
2期
61-64
,共4页
张尧%席云华%胡金磊%夏成军%林凌雪
張堯%席雲華%鬍金磊%夏成軍%林凌雪
장요%석운화%호금뢰%하성군%림릉설
主成分分析%RBF神经网络%中长期负荷预测
主成分分析%RBF神經網絡%中長期負荷預測
주성분분석%RBF신경망락%중장기부하예측
针对电力系统负荷预测问题,利用径向基函数(RBF)神经网络补全历史负荷数据,然后在主成分分析(Principal Component Analysis,PCA)和RBF神经网络原理的基础上,结合PCA和RBF神经网络方法进行负荷预测.实例表明该方法能有效降低输入变量的维数,且具有较高的精度.
針對電力繫統負荷預測問題,利用徑嚮基函數(RBF)神經網絡補全歷史負荷數據,然後在主成分分析(Principal Component Analysis,PCA)和RBF神經網絡原理的基礎上,結閤PCA和RBF神經網絡方法進行負荷預測.實例錶明該方法能有效降低輸入變量的維數,且具有較高的精度.
침대전력계통부하예측문제,이용경향기함수(RBF)신경망락보전역사부하수거,연후재주성분분석(Principal Component Analysis,PCA)화RBF신경망락원리적기출상,결합PCA화RBF신경망락방법진행부하예측.실례표명해방법능유효강저수입변량적유수,차구유교고적정도.
