科研之友
微信
新浪微博
Facebook
分享链接
摘要
用户基线负荷是工商业用户参与需求响应项目执行效果的重要参考,受到环境、用户用电行为等多种因素的影响。为提高工商业用户基线负荷预测的精度,提出了一种基于时间序列(ARMA)和卡尔曼滤波(Kalman Filter)组合的需求响应基线负荷预测模型,通过沙普利值(Shapley Value)方法求出单个预测模型对组合模型的边际贡献率,得到最优的预测结果。案例结果表明,Kalman Filter模型对负荷波动平稳的时间段内预测精度较高,时间序列模型对负荷波动较大的时间段内预测精度较高,而组合预测模型结合了两者的优点,降低了单一模型在预测过程中受时间因素造成偏差较大的影响,提高了整体预测精度,扩大了适用范围。
- 单位
