原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
２０１８ ９ Ｅｌｅｃｔｒｉｃ Ｐｏｗｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ ３７ ５
２６ 年月 第卷第期
一种新的电压偏差预测方法
１ １ ２
， ，
杨 潘爱强
王知芳 秀
（１． ， ２０００９０；
上海电力学院电气工程学院上海
２． ， ２００４３７）
国网上海市电力公司电力科学研究院上海
： ， 。 （ｐｒｉｎ
摘要针对电压偏差预测难度大的问题文中提出一种新的电压偏差预测方法该方法包括主成分分析法
ｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ ＰＣＡ ａｆｆｉｎｉｔｙ ｐｒｏｐａｇａｔｉｏｎ ＡＰ ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ ＢＰ
， ） 、 （ ， ） 、 （ ， ）
降维亲和力传播 聚类反向传播 神
３ 。 ＰＣＡ ， ； ， ，
经网络预测步通过 对数据进行降维获得数据主成分为了弥补传统聚类方法的不足提高聚类效果文
ＡＰ ； ＢＰ 。
中引入 聚类提取与待预测点同类的历史数据最后选择 神经网络建立电压偏差预测模型将文中方法应
， ３．０６％， ＢＰ
用于实际电压偏差数据结果表明该方法预测结果平均相对误差为 优于传统 神经网络预测模型以及
ＢＰ ＰＣＡ 。
神经网络结合 降维的预测模型
关键词： ； ； ；
电压偏差主成分分析聚类算法神经网络
：ＴＭ７１１ ：Ａ ： － － －
２０９６ ３２０３ ２０１８ ０５ ００２６ ０６
中图分类号 文献标志码 文章编号 （ ）
，
荷预测方法已比较成熟可参考负荷预测的方法来
０ 引言
。 ［４—６］
进行电能质量预测文献 采用基于小波分
随着非线性负荷和电力电子设备的大量使用， ， ，
析的预测方法将负荷数据进行分解能够改善预
， ，
电能质量问题日益严重受到了社会各界的广泛关 测精度但预测精度过
文档评论（0）