摘要:针对电力系统中有众多因素影响负荷预测精度的问题,文中引入粗糙集理论中的属性约简算法来挖掘与待预测量相关性大的各属性,保证预测模型输入参数的合理性,解决了神经网络模型输入参数的确定问题.针对基于区分矩阵约简算法是NP问题的弱点,提出了基于属性优先级函数的启发式约简算法(RAPHF);针对负荷预测过程中样本数据是滚动更新的特点,在RAPHF的基础上提出了具有动态挖掘能力的粗糙集增量算法RAPHF-I.通过短期负荷预测的实例研究,证实了文中改进算法的有效性.
关键词:负荷预测 粗糙集 属性约简 增量算法 神经网络
单位:重庆大学高电压与电工新技术教育部重点实验室; 重庆市; 400044; 贵州省电网公司贵阳市南供电局; 贵州省贵阳市; 550002
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社