非線性主成分分析和R B F神經網絡的電力系統負荷預測

劉曉菲，商立群（西安科技大學電氣與控制工程學院，陜西西安　710054）

?

非線性主成分分析和R B F神經網絡的電力系統負荷預測

劉曉菲，商立群
（西安科技大學電氣與控制工程學院，陜西西安710054）

KEY W0RDS：Power system；non1inear PrinciPa1 comPonent ana1ysis；RBF neura1 network；re1evance；1oad forecasting

摘要：電力系統負荷預測是電力系統規劃與運行的重要內容，為提高負荷預測的精度，針對主成分分析法在涉及到多指標預測體系中降維作用不明顯，且考慮不到指標間非線性關系的問題，采用非線性主成分分析法改進RBF神經網絡輸入量，該方法克服了數據之間相關性的約束，進一步降低了預測指標維數，兼顧了指標間非線性關系，保留了原始數據的足夠信息，獲得電力系統負荷預測的主成分，顯著地減少了徑向基函數神經網絡的輸入量，從而提高了電力系統負荷預測的精度。實例分析驗證了該方法的有效性。

關鍵詞：電力系統；非線性主成分分析；RBF神經網絡；相關性；負荷預測

電力系統負荷預測是指對未來某特定時刻的電力系統負荷數值進行預測，它是電力系統科學規劃和經濟運行的重要組成部分，也是電力系統經濟調度中的重要內容[1-2]。準確的負荷預測，可以合理地安排電網設備的運行與維護，維持電網的穩定性，從而保證社會正常的生產和生活。

徑向基函數（radia1 based function）神經網絡是20世紀90年代由Moody和Darken提出的，它屬于前向神經網絡類型，能夠以任意精度逼近任意連續函數，具有很強的泛化能力，學習速度快，并且相對于傳統神經網絡而言，它具有更快的收斂速度和更強的魯棒性[3-4]。……