主分量启发式约简算法的短期负荷预测

摘要：

针对众多不确定要素影响电力负荷预测准确度的问题,对粗糙集理论进行研究的基础上,提出了基于属性主分量的启发式约简算法,对天气及负荷历史数据进行处理,并建立了与广义回归神经网络结合的短期负荷预测模型.通过属性约简算法提取对未知负荷变化影响大的关键要素,得到的要素属性作为该模型的学习样本.算例结果表明,新算法与根据经验选取输入参数的传统广义回归神经网络相比,预测准确度有了明显的提高,计算量减少,更适用于短期电力负荷预测.

关键词：粗糙集、神经网络、负荷预测、主分量

所属期刊栏目：31

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金资助项目6120576;国家科技部政府间科技合作项目2009014

在线出版日期：2015-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：27-30,43