基于概念格的神经网络日最大负荷预测输入参数选择.pdf

第49卷第1期 吉林大学学报(理学版) V01．49No．1 of 2011 JournalJilin Jan 2011年1月 University(ScienceEdition) 基于概念格的神经网络日最大负荷 预测输入参数选择 任海军1’2，张晓星1，肖波3，周淙1 (1．重庆大学输配电装备及系统安全与新技术国家重点实验室。重庆400044； 2．重庆大学软件工程学院，重庆400044；3．重庆市电力公司城区供电局，重庆400050) 摘要：针对电力系统中影响负荷预测精度的众多因素如何选择问题，提出一种概念格属性约 筒算法，采用该算法挖掘出与待预测负荷量相关性较大的各属性作为神经网络预测模型的输 入参数，降低了输入参数规模，确保了负荷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．通过对重庆市某区实际日最大负荷数据的计算分析，结果表明该算 法提高了神经网络模型的预测精度，从而证实了所提出约简算法的合理性和有效性． 关键词：神经网络；概念格；属性约简；负荷预测 中图分类号：TPl81文献标志码：A 文章编号：1671-5489(2011)01-0087-06 ParametersSelectioninNeuralNetworkLoad Input Forecasting ModeBasedon Lattice Concept REN Xiao—xing‘，XIAOB03，ZHOUQuanl Hai-junl．-。ZHANG New PowerTransmission and (1．StateKeyLaboratoryof EquipmentSystemSecurity Technology，ChongqingUniversity， 400044，China； 400044。China；2．SchoolofSefiwa，eEngineering，ChongqingUniversity，Chongqing Chongqing Power ElectricPower 400050，China) 3．ChengduSupplyBureau，ChongqingCompany，Chongqing Abstract：Thereare factorstoaffectthe ofload ishowtochoosethe many accuracy forecasting．Theproblem factors．Tosolvethe attributereduction of latticewasintroduced．Wechosea problem，an algorithmconcept thathas to loadasthe ofthe modelof propertyparametergoodrelativityforecasting inputpar