基于核主成分分析与改进神经网络的电力负荷中期预测模型 |
| |
作者姓名: | 孙新程 孔建寿 刘钊 |
| |
作者单位: | 南京理工大学自动化学院 |
| |
摘 要: | 为了提高电力负荷中期预测水平,提出了1种核主成分分析(KPCA)和粒子群优化反向传播神经网络(PSO-BPNN)相结合的电力负荷中期预测模型。引入KPCA对原始输入空间降维重构,将降维后的数据集输入PSO算法优化的BPNN模型中,提出了月平均最大预测负荷修正日预测负荷的方法,输出待预测日的最大预测负荷。采用欧洲智能技术网络提供的负荷数据进行验证,实验结果的平均绝对百分误差为1.39%。
|
本文献已被 CNKI 等数据库收录! |
|