基于偏最小二乘法与BP神经网络的电力中长期负荷预测

查看全文 作　　者：[1]张成 [1]滕欢索引

机构地区：[1]四川大学电气信息学院,成都市610065

出　　处：《电力建设》索引2012年第33卷第7期,共4页

摘　　要：用于考虑多个相关因素影响的负荷预测时,偏最小二乘法(partial least squares regression,PLSR)通过提取影响负荷的自变量集的主成分,克服了自变量间多重相关性对于负荷建模带来的不利影响,具有对模型解释能力强的优点。但PLSR也有其自身的弱点,如自变量系统中可能存在与因变量无关的正交数据信息,而影响模型的预测精度。基于PLSR算法和BP神经网络的特性,建立了一种PLSR-BP神经网络模型,该模型对原PLSR建模过程中产生的权值和回归系数进行修正,仿真研究结果证明了该方法的正确性和有效性。 关键词：电力负荷预测偏最小二乘法(PLSR) 权值回归系数神经网络

相关文献

参考文献（14）
引证文献（11）
耦合文献（2314）

参考文献(14)

引证文献(11)

耦合文献(2314)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

基于偏最小二乘法与BP神经网络的电力中长期负荷预测

参考文献(14)

引证文献(11)

耦合文献(2314)

用户提示