摘要:提出通过小波分解对各负荷子序列进行特性分析初选影响因素后,采用信息熵法从初选变量中自动筛选出对负荷较重要的因素.然后采用改进的主成分分析法消除重要影响因素间的相关性.采用动态聚类法对各分解序列的样本归类.通过灰色关联分析选择出与预测时刻负荷模式最相似的类作为神经网络训练的典型样本集.采用蚁群优化算法训练各子序列相应神经网络模型.采用小波重构得到最终负荷预测结果。并利用某地区1999年的实际负荷对所提方法进行验证.结果表明了该方法的合理性和有效性。
关键词:负荷预测 小波变换 信息熵 主成分分析 动态聚类法
单位:华北电力大学电子与通信工程系; 河北保定071003
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社