基于改进高斯过程回归的短期负荷概率区间预测方法

• 作者: 刘升伟 彭显刚 王星华 郑伟钦 鲁迪
• 来源期刊: 电力系统保护与控制
• 关键词: 基于K-means的特征提取 高斯过程回归 短期负荷预测 概率区间预测
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 理论分析
• 页码范围: 18-25
• 页数: 8页
• 字数: 5500字
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.190179

摘要

电力市场改革和分布式能源的并网给电网的运行和规划带来了许多不确定性的因素.为获取更准确、更综合的电力负荷预测值信息,提出一种基于K-means特征提取和改进高斯过程回归的短期负荷概率区间预测方法.首先利用历史负荷数据建立候选特征集,然后通过K-means的特征提取方法先对候选特征集进行分类,再利用K邻域内特征变量之间的互信息来选取负荷最优特征子集,并实时更新最优特征子集.为了准确捕捉电力负荷的时变特性,利用改进的高斯过程回归算法进行电力负荷概率区间预测,主要包括动态更新超参数和滑动窗更新训练样本集两个部分.实例表明,所提方法相比分位回归、高斯过程回归而言预测精度更好,所形成的预测区间具有更窄的区间宽度和更高的覆盖率,能为电力系统的运行规划提供更全面、更有效的负荷信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭显刚	广东工业大学自动化学院	105	1183	20.0	30.0
2	王星华	广东工业大学自动化学院	56	514	13.0	20.0
3	刘升伟	广东工业大学自动化学院	5	2	1.0	1.0
4	鲁迪	广东工业大学自动化学院	6	17	2.0	4.0
5	郑伟钦		1	1	1.0	1.0