-
题名基于PCA-GPQR的电网负荷短期概率预测
被引量：15
- 1
-
-
作者
张建文
杨晨
冉懿
吕朋朋
缪平
-
机构
国网新疆电力有限公司电力科学研究院
国电南瑞南京控制系统有限公司
-
出处
《电力系统及其自动化学报》
CSCD
北大核心
2020年第5期24-29,54,共7页
-
基金
国家重点研发计划项目资助(2016YFB0901100)-“城区用户与电网供需友好互动系统”。
-
文摘
为了有效量化负荷预测的不确定性,提出一种基于主成分分析PCA(principal component analysis)和高斯过程分位数回归GPQR(Gaussian process quantile regression)的负荷短期概率密度预测模型。首先,采用PCA对原始多维输入变量进行预处理,实现负荷原始数据的降维;其次,基于高斯过程回归模型,通过选择输入变量的主成分作为GPQR的输入,实现对预测区间完整的概率描述;最后,在不同分位数回归预测值的基础上,利用核密度估计输出任意时刻负荷的概率密度预测结果。所采用的PCA降低了模型训练复杂度,由于GPQR是一种贝叶斯方法,有效处理了电力负荷数据中的不确定性。通过与多种常规方法算例的测试对比,验证了所提模型的预测性能和有效性。
-
关键词
电网负荷
主成分分析
高斯过程分位数回归
概率密度预测
不确定性
-
Keywords
power system load
principal component analysis
Gaussian process quantile regression
probability density forecasting
randomness
-
分类号
TM715
[电气工程—电力系统及自动化]
-
