基于随机分布式嵌入框架及BP神经网络的超短期电力负荷预测

• 作者: 刘钊 权然 李国庆 金国彬
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 超短期负荷预测 随机分布式嵌入框架 BP神经网络 非线性动力系统 短期数据
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 电网调控领域人工智能技术应用研究与实践
• 页码范围: 437-444
• 页数: 8页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2019.1612

摘要

电力系统超短期负荷预测易受到气象、假日等多种因素共同作用的影响,因此,实现其精准预测较为困难.为提高预测精度,往往需要大量的历史数据进行训练.针对历史数据较少的新建初期电力系统,提出了一种基于随机分布式嵌入框架及BP神经网络的超短期电力负荷预测方法.首先,将电力系统中电力负荷变量、气象变量等各种状态变量的延迟变量视为独立的影响因素,采用BP神经网络算法针对不同组延迟变量分别进行训练和预测,得到多个预测值.然后,采用核密度估计法拟合多个预测值形成分布的概率密度函数.最后,通过期望估计法或聚合估计法计算得出电力负荷的最终预测值.选取实际负荷数据进行算例分析,结果表明,所提方法适用于训练数据较少的超短期负荷预测,且相较于几种常规预测算法具有更高的预测精度以及较强的稳定性.