改进F-score特征选择的MPSO-BP神经网络短期负荷预测

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.

关键词：F-score特征选择、降维、最优特征子集、改进粒子群

所属期刊栏目：55

分类号：TM933

资助基金：国家高技术研究发展计划863计划2015AA050203;国家电网公司科技项目“智能配用电大数据应用关键技术深化研究”

在线出版日期：2018-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：36-41