混合属性约简方法在电力负荷预测中的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (30): 234-236.

混合属性约简方法在电力负荷预测中的应用

常玉慧，钱进，郭庆军

江苏技术师范学院计算机工程学院，江苏常州 213001

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-21 发布日期:2011-10-21

Hybrid attribute reduction method and its application in power load forecasting

CHANG Yuhui，QIAN Jin，GUO Qingjun

College of Computer Engineering，Jiangsu Teachers University of Technology，Changzhou，Jiangsu 213001，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-21 Published:2011-10-21

摘要/Abstract

摘要： 影响电力短期负荷预测精度的因素众多，为了找到负荷值与各种外在因素之间的关系，提出了一种基于粗糙集理论的混合属性约简算法，并对与预测日相似性数据进行快速约简，讨论了基于混合属性约简和BP神经网络相结合的预测模型。实验结果表明，这种方法提高了短期电力负荷预测精度。

关键词: 混合属性约简算法, 粗糙集, BP神经网络, 短期负荷预测

Abstract: There are many factors that influence the accuracy of short power load forecasting.In order to find the relationship between the load value and the outside factors，this paper presents a fast hybrid attribute reduction algorithm for data reduction based on rough set，and then discusses the forecasting model using hybrid attribute reduction and the BP artificial neural network.The experiment results show the model improves the forecasting accuracy.

Key words: hybrid attribute reduction algorithm, rough set, BP artificial neural network, short power load forecasting

常玉慧，钱进，郭庆军. 混合属性约简方法在电力负荷预测中的应用[J]. 计算机工程与应用, 2011, 47(30): 234-236.

CHANG Yuhui，QIAN Jin，GUO Qingjun. Hybrid attribute reduction method and its application in power load forecasting[J]. Computer Engineering and Applications, 2011, 47(30): 234-236.

[1]	郑建锋，王应明. 基于DEA-BP神经网络的效率置信区间预测模型研究[J]. 计算机工程与应用, 2021, 57(3): 273-278.
[2]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[3]	黄晶晶，王建宏. 分数阶非因果BP神经网络模型[J]. 计算机工程与应用, 2021, 57(23): 91-97.
[4]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[5]	曹林根，宓超. 集装箱箱号字符识别算法研究[J]. 计算机工程与应用, 2021, 57(15): 178-185.
[6]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[7]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[8]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[9]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[10]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[11]	楚彭子，虞翊，林辉，袁建军，姜西. ATO系统速度控制的BP-FIPID算法[J]. 计算机工程与应用, 2020, 56(22): 224-229.
[12]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[13]	谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.
[14]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[15]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.