[发明专利]基于主成分自适应BP神经网络的短期电力负荷预测方法

摘要

本发明涉及一种基于主成分自适应BP神经网络的短期电力负荷预测方法，包括：神经网络的输入量为历史数据的主成分，神经网络的输出量为预测日期的24小时负荷值；通过主成分分析生成历史数据的一组新的互不相关的新变量，并将其用于BP神经网络，以上构成了主成分自适应BP神经网络；利用主成分自适应BP神经网络进行短期电力负荷预测。主成分自适应BP神经网络兼具BP神经网络和主成分分析的优点，不仅具有较好的误差反馈修正的动态过程，而且有效的减少了输入数据，增强了数据的有效性。将其应用到短期电力负荷预测中，能够更好的拟合电力负荷系统的非线性、动态性和时变性的特点，预测精度高。

主权项

1.一种基于主成分自适应BP神经网络的短期电力负荷预测方法，其特征在于，包括以下步骤：(1)确定神经网络的输入输出量；(2)将电力系统历史负荷数据作为样本，并对样本进行预处理；(3)建立主成分自适应BP神经网络：利用主成分分析对历史负荷数据进行处理，将原有的数据指标线性转换为一组新的互不相关的新变量，然后根据累积贡献率大于95％这一原则从新的变量中选取所需的主成分，结合BP神经网络，构成主成分自适应的BP神经网络；(4)利用主成分自适应BP神经网络进行短期电力负荷预测：将训练数据送入BP神经网络进行训练，用训练好的改进的BP神经网络预测模型进行短期电力负荷预测，最终得到预测数据；将预测数据反归一化，从而得到实际的预测负荷值。