基于混沌粒子群—高斯过程回归的饱和负荷概率预测模型

• 作者: 宋柄兵 彭虹桥 胡玉 顾洁
• 来源期刊: 电力系统自动化
• 关键词: 饱和负荷 负荷预测 高斯过程回归 混沌粒子群优化 概率预测
• 年，卷（期）: 2017,（21）
• 所属期刊栏目: 未来电力系统总体形态预测
• 页码范围: 25-32,155
• 页数: 9页
• 字数: 7189字
• 语种: 中文
• DOI: 10.7500/AEPS20170119007

摘要

饱和负荷预测能有效预估区域电网的发展方向和最终规模,为电网规划及电力市场中长期交易提供指导.针对饱和负荷预测不确定性强、时间跨度大的特点,文中采用基于高斯过程回归(GPR)的概率预测模型进行饱和负荷预测,并通过改进混沌粒子群算法(MCPSO)实现以和方差(SSE)最小为目标的模型超参数优化求解;在综合考虑饱和负荷影响因素随机性的基础上,建立了改进混沌粒子群—高斯过程回归(MCPSO-GPR)饱和负荷预测模型,并在多情景下利用上述模型进行饱和负荷预测,同时结合饱和判据得到多情景下饱和负荷的规模和时间.算例分析表明,所述模型不仅具有较高的预测精度,而且可增强预测的弹性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾洁	上海交通大学电子信息与电气工程学院大数据工程技术研究中心	127	2133	26.0	43.0
2	胡玉	上海交通大学电子信息与电气工程学院大数据工程技术研究中心	5	32	2.0	5.0
3	彭虹桥	上海交通大学电子信息与电气工程学院大数据工程技术研究中心	7	52	2.0	7.0
4	宋柄兵	国家电网公司华东分部	2	26	1.0	2.0