计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2010年
11期
270-273
,共4页
主成分分析%电力负荷%神经网络%预测
主成分分析%電力負荷%神經網絡%預測
주성분분석%전력부하%신경망락%예측
研究电力负荷预测问题,由于电力负荷因子间存在非线性和高度冗余,传统方法无法消除数据之间冗余和捕捉非线性特征,导致预测精度较低.为了提高电力负荷预测精度,提出一种将主成份分析(PCA)和RBF神经网络相结合的电力负荷预测方法(PCA-RBF).首先对电力负荷高维变量数据矩阵进行标准化处理,然后利用主成分分析建立相关矩阵,计算特征值和特征向量,通过求取累计方差贡献率,对主成分作为RBF神经网络的输入进行训练预测,主成分以较少的维数包含了原高维变量所携带的大部分信息,避免过多的输入导致的精度低和训练慢的不足.采用PCA_RBF模型对某省1992-2002的电力负荷数据进行验证性测试和分析.实验结果表明,改进的PCA_RBF模型可有效降提高负荷预测精度.
研究電力負荷預測問題,由于電力負荷因子間存在非線性和高度冗餘,傳統方法無法消除數據之間冗餘和捕捉非線性特徵,導緻預測精度較低.為瞭提高電力負荷預測精度,提齣一種將主成份分析(PCA)和RBF神經網絡相結閤的電力負荷預測方法(PCA-RBF).首先對電力負荷高維變量數據矩陣進行標準化處理,然後利用主成分分析建立相關矩陣,計算特徵值和特徵嚮量,通過求取纍計方差貢獻率,對主成分作為RBF神經網絡的輸入進行訓練預測,主成分以較少的維數包含瞭原高維變量所攜帶的大部分信息,避免過多的輸入導緻的精度低和訓練慢的不足.採用PCA_RBF模型對某省1992-2002的電力負荷數據進行驗證性測試和分析.實驗結果錶明,改進的PCA_RBF模型可有效降提高負荷預測精度.
연구전력부하예측문제,유우전력부하인자간존재비선성화고도용여,전통방법무법소제수거지간용여화포착비선성특정,도치예측정도교저.위료제고전력부하예측정도,제출일충장주성빈분석(PCA)화RBF신경망락상결합적전력부하예측방법(PCA-RBF).수선대전력부하고유변량수거구진진행표준화처리,연후이용주성분분석건립상관구진,계산특정치화특정향량,통과구취루계방차공헌솔,대주성분작위RBF신경망락적수입진행훈련예측,주성분이교소적유수포함료원고유변량소휴대적대부분신식,피면과다적수입도치적정도저화훈련만적불족.채용PCA_RBF모형대모성1992-2002적전력부하수거진행험증성측시화분석.실험결과표명,개진적PCA_RBF모형가유효강제고부하예측정도.
