基于耦合GPR-PSO的北京地区中长期电力需求预测

• 作者: 胡建军 蔡雅倩 黄元生
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 高斯过程回归 粒子群算法 电力需求预测 神经网络训练
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 信息与能源
• 页码范围: 74-80
• 页数: 7页
• 分类号: TM93
• 字数: 5502字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2020.002.012

摘要

建立科学合理的中长期电力需求预测方法,是电力产业科学规划建设的前提.构建了基于高斯过程(GPR)和粒子群(PSO)的混合电力需求预测模型.采用PSO算法对协方差函数中的参数进行优化,将修正后的参数作为初始值在GPR模型中进行电力需求方面的培训.在贝叶斯框架下,对协方差函数中的参数再次进行优化.用训练好的GPR模型进行电力需求预测,并将结果与自回归积分移动平均模型和指数平滑模型进行比较.验证结果表明,基于高斯过程(GPR)和粒子群(PSO)的混合电力需求预测模型具有很好的稳定性和更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄元生		84	487	13.0	18.0
2	胡建军		2	0	0.0	0.0
3	蔡雅倩		1	0	0.0	0.0