基于有偏最小最大概率回归的短期负荷预测

• 作者: 吴耀武 沈秀汶 熊信银
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 电力系统 负荷预测 数据分类 有偏最小最大概率分类 有偏最小最大概率回归
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 46-49
• 页数: 4页
• 分类号: TM715
• 字数: 3235字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-8930.2007.04.010

摘要

针对电力负荷的一些特性,提出了使用非线性数据分类学习机的理论来解决短期负荷预测问题.利用有偏最小最大概率机进行数据学习分类,对采集到的信息进行分类、特征提取,形成归一的数据类型;用得到的分类数据作为有偏最小最大概率回归模型的输入进行训练预测.该方法通过核函数将输入向量从低维空间映射到高维空间,在高维空间实现了基于高阶统计信息的负荷影响因数的特征提取,既全面考虑了影响负荷预测的历史时间序列、气象等各种因素,又避免了由于输入变量过多而导致模型结构复杂、训练时间长等不足.计算实例表明,文中提出的方法用于短期负荷预测,其预测精度较高,且训练时间较短,方法可行且有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴耀武	华中科技大学电气学院	78	3193	31.0	55.0
2	熊信银	华中科技大学电气学院	22	761	15.0	22.0
3	沈秀汶	华中科技大学电气学院	2	18	2.0	2.0