论文摘要
根据电力负荷历史数据对未来负荷趋势进行预测。通过计算电力负荷序列的赫斯特指数(Hurst)参数值,表明振动烈度序列符合明显的长相关特性,用长相关FARIMA模型来对电力负荷序列进行预测,为了提高预测的准确性,提出了一种基于量子遗传算法优化的长相关FARIMA预测模型。利用量子遗传算法优化经分数差分后的平稳模型ARMA(p,q)阶数,根据合适的适应度值进行全局搜索,从而能够确定模型的最佳阶数(p,q),并将其应用到实际的电力负荷值预测中验证。将实验结果与传统的AIC(p,q)准则定阶的ARMA模型进行预测的结果,以及实际电力负荷值数据进行比较,结果表明:该方法对电力负荷值的预测具有更高的准确性。
论文目录
文章来源
类型: 期刊论文
作者: 杨照坤,宋万清,曹琨
关键词: 电力负荷预测,指数,长相关,模型,量子遗传算法
来源: 传感器与微系统 2019年10期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 电力工业,自动化技术
单位: 上海工程技术大学电子电气工程学院
基金: 上海工程技术大学机械电子工程学科建设项目(2018XK—A—03),上海市自然科学基金资助项目(14ZR1418500)
分类号: TM715;TP18
DOI: 10.13873/j.1000-9787(2019)10-0143-03
页码: 143-145
总页数: 3
文件大小: 990K
下载量: 271