bp神经网络在用电量预测中应用技术.pdfVIP

BP神经网络在用电量预测中的应用 浙江财经学院 陈玲、郭玉碧、朱丽娟 摘要： 以浙江省为例，利用 1995-2009 年的数据，采用主成分分析法对影响 用电量量的八个因子进行分析， 结果选用 GDP 、农村家庭人均年消费性支出、 农 村居民家庭人均年纯收入和城镇家庭人均可支配收入四个因子为影响用电量的 主要影响因素。根据确定的主要影响因素构造 BP 神经网络的输入样本，确定网 络输入节点数，从而进行对年总用电量的预测， 建立浙江省总用电量的预测模型， 预测出 2010 年的用电量为 2447 亿千瓦小时。 模型的检验表明， 基于主成分分析 的 BP 神经网络模型具有较高的精度和可靠性。 关键词： 用电量预测；主成分分析；主成分荷载； BP 神经网络；权值；阈 值 PCA BP neural network based on to predict electricity consumption Abstract: Taking Zhejiang province as an example, apply the data from 1995 to 2009, using principal component analysis to choose four main influencing factors from eight factors which influence the amount of electricity, such as GDP, rural families in per capita consumer spending , in per capita net income of rural households and per capita disposable income of urban households. According to the main influence factors to determine the tectonic BP neural network input samples, then determine the input of the network node number. Thus for the annual total power consumption forecasts, establish prediction model for total power consumption of Zhejiang, predict 2010 for 24.77 million KWH of electricity. Model tests showed that the BP neural network based on principal component analysis to predict electricity consumption model has higher precision and reliability. Keywords: Electricity consumption forecasting 。 PCA 。 BP neural network 1 / 18 1 引 言 改革开放以来， 浙江的经济发展是一路突飞猛进。 如今，浙江已经成为全国 四个GDP超万亿的省份之一。 经济发展取得的成绩来之不易， 近几年来， 浙江不 仅要面对台风等自然灾害的袭击， 而且要应对大范围缺电危机的困扰。 在缺电的 情况下， 很多行业都无法正常运行，