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
单位:上海理工大学电气工程系 上海200093
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社