考虑气象因素的短期电力负荷预测研究

• 作者: 黄文思
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 气象因素 短期电力负荷 预测 卡尔曼滤波 回声状态网络 修正因子
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 98-105
• 页数: 8页
• 分类号: TP3|TM715
• 字数: 5627字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.01.017

摘要

针对如何提高短期电力负荷预测精度的问题,提出基于核主成分分析法(Kernel principal component analysis,KPCA)和改进的回声状态网络(Echo state network,ESN)算法相结合的方法对短期电力负荷进行预测研究.通过卡尔曼滤波(Kalman filtering,KF)方法训练回声状态网络的输出权值,引入修正因子对卡尔曼滤波的协方差矩阵进行修正,从而实现回声状态网络结构参数的调整,获得理想的网络结构模型.采用Lyapunov理论验证了改进回声状态网络算法的收敛性.采用核主成分分析法对气象因素进行降维处理,获得能够体现数据信息的主元信息.通过UCI(University of California Irvine)数据集仿真对比,验证了该算法相比于ESN、SVM(Support vector machine)、BP(Back propagation)、GA(Genetic algorithm)等算法具有更高的预测精度.在考虑气象因素的前提下,对短期负荷预测进行仿真实验,实验结果显示在正常天气和存在气象突变的情况下,改进的回声状态网络算法较GA-ESN和GA-BP算法有更高的预测精度,验证了该方法的实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄文思		21	79	5.0	7.0