PCA_RBF网络在电力负荷预测中的应用研究

《PCA_RBF网络在电力负荷预测中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第27卷第11期计算机仿真2010年11月文章编号：1006—9348(2010)11—0270一04PCA—RBF网络在电力负荷预测中的应用研究吴建龙1，郭滨钊2(1．首钢工学院机电工程系，北京100144；2．河南省夏邑县供电局，河南夏邑476400)摘要：研究电力负荷预测问题，由于电力负荷因子问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

2、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。关键词：主成分分析；电力负荷；神经网络；预测中图分类号：TM743文献标识码：BResearchaboutPowerLoadForecastingBasedonPCAa

3、ndRBFNeuralNetworkWUJian—lon91．GUOBin—zha02(1．SchoolofElectricalEngineering，ShougangInstituteofTechnology，Beijing100144，China；2．HenanXiayiElectricPowerSupplyCompany，XiayiHenan476400，China)ABSTRACT：ThepaperdealswiththeresearchingOilpowerloadforecastingproblems．Becausether

4、eexisthighlyre-dundantfeaturesinaffectingfactorsofpowerload，traditionalmethodcannoteliminatedataredundancyandpredictionaccuracyisverylow．Inordertoimprovetheaccuracyofpowerloadforecasting，anewmethodisproposedbasedOilprincipalcomponentanalysis(PCA)andradialbasicfunctionneu

5、ralnetwor(RBF)．Theoriginalhighdimensionaldatamatrixisnormalizedtoestablishthecorrelationmatrixforthecalculationofeigenvalues，eigenvectorsandacCU．mulatedcontributionofvariance，accordingtowhichtheprincipalcomponentsaredetermined．Thelowdimensionalprinciplaeomponentswithmost

6、informationincludedintheoriginalhishdimensionaldatasetareused鹊theinpnsofRBFfortrainingandprediction．TheforecastiongmodelconsidersallinfluencingfactorsandavoidsthelowprecisionandslowtraininginducedbyOVerinput．PowerloadistestedandverifiedbyPCA—RBF，theresultsshowthatPCA—RBF

7、hasimprovedthepredictionaccuracysignificantly，comparedwiththereferencemodels．KEYWORDS：l'rincipalcomponentanalysis；Powerload；Neuralnetwork；Forecastingl引言电力系统负荷预测是指利用历史负荷数据来预测未来时刻的负荷值，是能量管理系统的一个重要组成部分。有效地提高负荷预测的精度，有利于电力系统的经济运行与安全运行，是合理地进行电力系统调度，计划，用电与规划的重要依据之一⋯。传统的预测模型是用显式

8、的数学表达式加以描述，这就决定了它的局限性。事实上，电力负荷是一个随机的非平稳过程，受到温度、天气状况和人们的社会活动等因素的强烈收稿日期：2010—06一18修回日期2010—07—18．—-——270·