考虑不确定区间的电力负荷GELM-WNN预测方法

论文摘要

为提高电力市场负荷预测的可靠性,结合广义极值学习机(GELM)、小波神经网络(WNN)和抽样模型构建技术,提出一种混合概率电力负荷预测方法。考虑预测模型和数据噪声的不确定性,利用小波函数将信息分成具有不同频率属性的子序列,并采用相似的分辨率尺度对其进行分析。使用GELM对WNN进行快速训练,通过迭代自适应抽样技术实现模型的不确定性评估,以概率区间形式输出电力负荷预测。提前24 h预测电力系统的最大负荷,结果表明,该方法的MAPE值低于1.1%,优于灰度值预测和比率估计方法。

论文目录

文章来源

类型: 期刊论文

作者: 李廷顺,王伟,刘泽三

关键词: 预测区间,不确定性,电力负荷,小波神经网络,广义极限学习机

来源: 计算机工程 2019年07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: 华北电力大学控制与计算机工程学院,北京中电普华信息技术有限公司

基金: 北京市自然科学基金(2015BJ0206)

分类号: TM715;TP18

DOI: 10.19678/j.issn.1000-3428.0053148

页码: 315-320

总页数: 6

文件大小: 1247K

下载量: 260

相关论文文献

标签：预测区间论文;  不确定性论文;  电力负荷论文;  小波神经网络论文;  广义极限学习机论文;