基于主成分分析法的遗传神经网络模型对电力系统的短期负荷预测.pdfVIP

2011年 10月 湖南师范大学自然科学学报 ． V01．34 No．5 第34卷 第5期 JournalofNatural ScienceofHunanNormalUniversity Oct．，2011 基于主成分分析法的遗传神经网络模型 对电力系统的短期负荷预测 黄媛玉，毛 弋 (湖南大学信息科学与工程学院，中国长沙 410082；湖南大学电气工程与科学学院，中国长沙 410082) 摘 要 针对BP神经网络的两个主要缺点，网络训练速度慢，对初始权值阈值敏感，容易陷入局部极小点，本 文利用多元统计分析的主成分分析方法(Principalcomponentsanalysis，PCA)，在不损失原始负荷数据主要信息的 前提下提取负荷数据的主成分，有效地减少了预测模型的输入量．同时将遗传算法(GA)与BP神经网络结合，利用 GA的全局搜索优化BP网络的结构参数，有效克服BP算法的局部收敛等问题．实验结果表明，该方法提高了预测 精度，得到了较好的预测结果． 关键词 电力系统；负荷预测；主成分分析；遗传算法；BP神经网络 中图分类号 TM743 文献标识码 A 文章编号 1000—2537(2011)05-0026-06 PowerSystem Short-term LoadingForecastingbyGenetic NeutralNetworkBasedonPrincipalComponentsAnalysis HUANG Yuan—yu，MAO Yi (SchoolofInformationandScience，HunanUniversity，Changsha410082，China； SchoolofElectricalEngineeringandScience，HunanUniversity，Changsha410082，China) Abstract TheprincipalcomponentsanalysiswasusedinordertosolvetwomainweaknessesofBP neural networksuchasthespeedofnetwork’Strainingisslow，sensitivetotheinitialweightandthreshold，andeasytofall intothepartialminimalpoint．Themaincomponentofloaddatacanbeobtainedwithoutlosinginitialloaddataof themaininformationSOthattheinputquantityofhtepredictionmodelcanbedecreased．Athtesametime，hte1o— calconvergenceandotherproblemsofBPalgorihtmcanbeeffectivelyovercomebasedonhtecombinationofgenetic algorihtm (GA)wihtBPneuralnetwork，andusingGA’SglobalsearchingfunctiontooptimizeBPnetwork’Sstruc— tureparameters．Thismodelisappliedinthepowersystem short—temr loadforecastingsimulationprocess．There— suhsshow thatitcanimprovehteperfomr anceofnetworkandtheaccuracyofpredictions． Keywords powersystem；loadforecasting；principalcomponentsanalysis；geneticalgorithm；BPneuralnetwork 电力系统短期负荷预测是电力生产部门的重要