基于WEKPCA与深度学习的短期电力负荷预测

作者：乡立; 段炼^*; 陈菁; 李荣琳; 许中平; 岳首志

来源：电力信息与通信技术, 2020, 18(10): 34-41.

DOI：10.16543/j.2095-641x.electric.power.ict.2020.10.006

• 负荷预测
• 核主元分析
• 加权核主元分析
• 深度学习

电力系统负荷预测是实现电力系统安全、经济运行的基础,文章分析了电力系统负荷构成与变化特征,利用深度学习算法对负荷曲线进行预测。针对核主元分析(Kernel Principal Component Analysis,KPCA)处理非线性问题存在对干扰点敏感和特征个数受参数影响较大等缺点,提出一种加权核主元分析法(Weight Equation Kernel Principal Component Analysis,WEKPCA)。该方法对每个样本点进行加权梳理,利用径向基函数构建特征空间中的重构误差,使新构建的投影矩阵能够更好地反映样本信息。然后以不同的历史负荷数据进行主元特征提取,利用深度学习算法对日负荷曲线进行预测。通过仿真分析,验证了WEKPCA相较原算法具有更好的鲁棒性和稀疏性。

• 单位
  广东电网公司广州供电局