基于耦合GPR-PSO的北京地区中长期电力需求预测

作者：黄元生; 胡建军; 蔡雅倩^*

来源：电测与仪表, 2020, 57(02): 74-80.

DOI：10.19753/j.issn1001-1390.2020.002.012

• 高斯过程回归
• 粒子群算法
• 电力需求预测
• 神经网络训练

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。

• 单位
  华北电力大学