电力负荷区间预测的集成极限学习机方法.pdf

《电力负荷区间预测的集成极限学习机方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第4l卷第2期华北电力大学学报VoI．41．No．22014年3月JournalofNorthChinaElectricPowerUniversityMar．，2014doi：10．3969／j．ISSN．1007—2691．2014．02．14电力负荷区间预测的集成极限学习机方法李知艺，丁剑鹰，吴迪，文福拴(1．浙江大学电气工程学院，浙江杭州310027；2．广东省粤电集团有限公司，广东广州510630)摘要：电力负荷预测是电力系统规划和运行决策的重要依据，其预测精度直接影响系统运行的安全性和经济性。传统预测方法在对影响负荷的

2、不确定因素的模拟方面，主要采用概率方法和模糊集方法，其方法有局限性。为此，有必要探索新的、更科学的方法。区间预测方法近年来在很多领域受到重视。在此背景下，对基于区间预测的电力负荷预测的相关问题进行研究。首先，给出了评估预测区间质量的综合指标，即预测区间满意度。之后，提出了构建预测区间的比例系数法，其以传统的极限学习机点预测模型为基础，通过对近期历史数据进行事后预测与评估后确定两个最优比例系数，继而对极限学习机输出值进行同样比例的放缩来确定预测区间的上、下界，同时应用集成技术提高了预测的稳定性。短期和超短期负荷区间预测结果表明．比

3、例系数法能构建高质量的预测区间，适用范围广，鲁棒性强。关键词：负荷预测；超短期预测；短期预测；区间预测；比例系数法；极限学习机；集成技术中图分类号：TM75文献标识码：A文章编号：1007—2691(2014)02—0078—11AnensemblemodeloftheextremelearningmachineforloadintervalpredictionLIZhi-yi，DINGJian．ying。，WUDi2，WENFu．shuan1．SchoolofElectricalEngineering，ZhejiangUniv

4、ersity，Hangzhou310027，China；2．GuangdongYudeanGroupCo．，Ltd．，Guangzhou510630，China)Abstract：Loadforecastingisoneofthemostimportantissuesinpowersystemplanningandoperation，andthefore．castingaccuracycouldhavesignificantimpactsonthesecurityandeconomicsofthepowersystemconce

5、rned．Inexist．ingloadforecastingmethods，uncertainfactorsaremainlymodeledbyprobabilityorfuzzysets，whilesomeinherentlimitationsexistwiththesemethods．Thus，itisstillnecessarytoexplorenewandmoreappropriatemethods．Theinter．valpredictionmethodhasbeenpopularinmanyfieldsinrece

6、ntyears．Giventhisbackground，someissuesconcerningtheintervalpredictionbasedloadforecastingareinvestigated．Anewcomprehensiveindex，namedthepredictioninter—valsatisfactionindex，isfirstpresentedtoevaluatethequalityofapredictioninterva1．Then，anewmethod，namedthescalarmethod

7、，isproposedtobuildpredictionintervals．Thescalarmethodisbasedontheclassicalpointpredictionmodelwiththewell-developedextremelearningmachineemployed，andfirstpredictsandevaluatestheintervalofthenear—termhistoricaldatainanex—postwaytodeterminetwoscalars，andthenmultipliest

8、heextremelearningmachineoutputbythesamescalarstogettheupperandlowerboundsofapredictioninterva1．Meanwhile，theensembletech—niqueisemp