發(fā)布時(shí)間：2023-04-23 04:54

　　為準(zhǔn)確辨識(shí)影響電網(wǎng)負(fù)荷的特征因素,解決人工智能算法用于負(fù)荷預(yù)測(cè)時(shí)所面臨的"維數(shù)災(zāi)"問題,提出了一種基于兩層架構(gòu)的負(fù)荷預(yù)測(cè)智能算法。方法本質(zhì)上是將兩層架構(gòu)特征選擇過程前置于傳統(tǒng)負(fù)荷預(yù)測(cè)智能算法所構(gòu)成的復(fù)合型智能算法。上層架構(gòu)為基于信息增益算法的過濾式特征選擇,用于剔除與電網(wǎng)負(fù)荷相關(guān)度較低的外部因素。下層架構(gòu)為基于序列后向搜索的包裹式特征選擇,輸出預(yù)測(cè)準(zhǔn)確率最高的特征因素集�；谀畴娋W(wǎng)實(shí)際數(shù)據(jù)構(gòu)造的算例表明,方法能夠有效剔除影響負(fù)荷預(yù)測(cè)效果的外部因素,提升負(fù)荷預(yù)測(cè)準(zhǔn)確率及預(yù)測(cè)效率。

【文章頁數(shù)】：3 頁

【文章目錄】：
0 引 言
1 兩層架構(gòu)特征選擇實(shí)施框架
2 基于信息增益的過濾式特征選擇
    2.1 信息增益基本概念
    2.2 過濾式特征選擇實(shí)施步驟
        (1)信息增益計(jì)算及排序
        (2)構(gòu)建基礎(chǔ)因素集
        (3)收斂性判定
3 基于序列后向的包裹式特征選擇
    (1)輸入基礎(chǔ)因素集
    (2)后向遍歷試探
    (3)收斂性判定
4 算例分析
    4.1 基礎(chǔ)數(shù)據(jù)
    4.2 預(yù)測(cè)效果及對(duì)比分析
5 結(jié)束語



本文編號(hào)：3799129