电力系统及其自动化学报
電力繫統及其自動化學報
전력계통급기자동화학보
PROCEEDINGS OF THE CHINESE SOCIETY OF UNIVERSITIES
2014年
8期
40-46
,共7页
短期负荷预测%独立分量分析%主分量分析%特征提取%BP神经网络
短期負荷預測%獨立分量分析%主分量分析%特徵提取%BP神經網絡
단기부하예측%독립분량분석%주분량분석%특정제취%BP신경망락
short-term load forecast%independent component analysis (ICA)%principle component analysis (PCA)%feature extraction%BP neural network
BP神经网络在短期电力负荷预测时,经济、天气、社会等很多因素及大量的历史数据会被考虑进去,造成输入空间维数较高且相关,从而降低神经网络效率.利用主分量分析法PCA (principle component analysis)和独立分量分析法ICA (independent component analysis)在不损失负荷原始数据主要信息的前提下,根据各分量贡献率大小对输入空间进行重构,降低神经网络的输入量.文中提出的ICA特征提取法在对负荷数据进行重构处理时,有效去除了噪声以及保留了原始数据中的潜在信息和特征,最后仿真也证明了该方法预测的有效性.
BP神經網絡在短期電力負荷預測時,經濟、天氣、社會等很多因素及大量的歷史數據會被攷慮進去,造成輸入空間維數較高且相關,從而降低神經網絡效率.利用主分量分析法PCA (principle component analysis)和獨立分量分析法ICA (independent component analysis)在不損失負荷原始數據主要信息的前提下,根據各分量貢獻率大小對輸入空間進行重構,降低神經網絡的輸入量.文中提齣的ICA特徵提取法在對負荷數據進行重構處理時,有效去除瞭譟聲以及保留瞭原始數據中的潛在信息和特徵,最後倣真也證明瞭該方法預測的有效性.
BP신경망락재단기전력부하예측시,경제、천기、사회등흔다인소급대량적역사수거회피고필진거,조성수입공간유수교고차상관,종이강저신경망락효솔.이용주분량분석법PCA (principle component analysis)화독립분량분석법ICA (independent component analysis)재불손실부하원시수거주요신식적전제하,근거각분량공헌솔대소대수입공간진행중구,강저신경망락적수입량.문중제출적ICA특정제취법재대부하수거진행중구처리시,유효거제료조성이급보류료원시수거중적잠재신식화특정,최후방진야증명료해방법예측적유효성.
