Print

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

  • 0 概述
  • 1 小波算法的GELM模型
  •   1.1 小波预处理
  •   1.2 小波神经网络
  •   1.3 广义极值学习机
  • 2 预测区间模型的不确定性评估
  •   2.1 预测区间模型
  •   2.2 迭代自适应抽样技术
  •   2.3 不确定性噪声模型构建
  •   2.4 预测区间评价
  •   2.5 算法描述
  • 3 实验结果与分析
  •   3.1 实验设置
  •   3.2 预测精度对比
  • 4 结束语

    • 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

    本文来源: https://www.lunwen66.cn/article/bdd7e9c7b137e46a94b4982c.html