基于数据驱动的差分-RBF神经网络的台区短期负荷预测方法

作者：段炼; 乡立; 吴琼; 陆颢文; 李茜莹; 孙毅

来源：广东电力, 2020, 33(11): 66-74.

• 负荷预测
• 短期
• 差分
• 日负荷
• 径向基函数神经网络

为应对短期负荷预测中台区负荷数据流的动态性、不完备性和非线性等特征对负荷预测带来的挑战,针对性地构建了基于数据驱动的差分-径向基函数(radial basis function,RBF)神经网络的台区短期负荷预测方法。首先采用基于集成分类器的数据流分类算法对多维台区负荷数据进行分类;其次采用灰色关联度分析确定指标参数关联度排序;借鉴增量编码的应用方式构建了负荷预测编码器和解码器,进而对负荷数据进行差分-RBF预测分析,并进行了交叉验证。仿真结果表明,基于数据驱动的差分-RBF神经网络的台区短期负荷预测方法可以在保持较低误差的同时,降低运算时间,压缩误差区间。

• 单位
  广东电网有限责任公司; 电子工程学院; 广州供电局; 华北电力大学