PCA-GRNN在综合气象短期负荷预测中的应用

来源：计量学报杂志2017年第3期北京时间：

作者：张淑清,任爽,姜安琦,胡永涛,张航飞,乔永静

单位：燕山大学 电气工程学院, 河北 秦皇岛 066004

摘要：为克服由气象因子较多且信息互嵌造成输入量多、预测时间长、预测精度低的缺点,引入主成分分析（PCA）提取气象因子特征量,与历史负荷数据共同作为建模对象;同时,针对BP神经网络动态性能的不足,建立基于广义回归神经网络（GRNN）的短期负荷预测模型。通过对实际电力负荷数据的预测,证明该方法与传统神经网络预测模型相比,明显提高预测精度和速度,具有实用性和有效性。

关键词：计量学; 短期负荷预测; 电力负荷; 主成分分析; 广义回归神经网络; 气象因子

基金资助：国家自然科学基金(61573302,61077071);河北省自然科学基金(F2016203496,F2015203413)