基于PCA-GPQR的电网负荷短期概率预测

• 作者: 冉懿 吕朋朋 张建文 杨晨 缪平
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 电网负荷 主成分分析 高斯过程分位数回归 概率密度预测 不确定性
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 学术论文
• 页码范围: 24-29,54
• 页数: 7页
• 分类号: TM715
• 字数: 3743字
• 语种: 中文
• DOI: 10.19635/j.cnki.csu-epsa.000297

摘要

为了有效量化负荷预测的不确定性,提出一种基于主成分分析PCA(principal component analysis)和高斯过程分位数回归GPQR(Gaussian process quantile regression)的负荷短期概率密度预测模型.首先,采用PCA对原始多维输入变量进行预处理,实现负荷原始数据的降维;其次,基于高斯过程回归模型,通过选择输入变量的主成分作为GPQR的输入,实现对预测区间完整的概率描述;最后,在不同分位数回归预测值的基础上,利用核密度估计输出任意时刻负荷的概率密度预测结果.所采用的PCA降低了模型训练复杂度,由于GPQR是一种贝叶斯方法,有效处理了电力负荷数据中的不确定性.通过与多种常规方法算例的测试对比,验证了所提模型的预测性能和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张建文	国网新疆电力有限公司电力科学研究院	11	29	3.0	5.0
2	杨晨	国网新疆电力有限公司电力科学研究院	3	1	1.0	1.0
3	冉懿	国网新疆电力有限公司电力科学研究院	6	2	1.0	1.0
4	吕朋朋		2	8	1.0	2.0
5	缪平		1	0	0.0	0.0