科研之友
微信
新浪微博
Facebook
分享链接
摘要
电力系统负荷预测是多变量复杂预测问题，提高短期电力负荷预测精度是保障电网安全稳定运行的技术措施之一。本文针对短期负荷预测中负荷与影响因素之间的复杂非线性关系，建立了一种高斯过程回归的短期负荷预测模型。在单一的GP输出上，为进一步得到精准的预测，本文构建了在贝叶斯框架上一种基于KL散度的组合GP模型，该模型既是一种新型基于Bagging的重抽样GP算法，又克服了传统Bagging多个子模型相关性较弱的弊端，具有参数寻优容易、相关性强、全局学习能力高等优点。实验表明，采用改进后的引导聚集算法组合的GP模型在预测区间估计与均值估计相较传统单一的GP具有更高的预测精度和泛化能力，将其应用于短期电力负荷预测是可行的，且能较好地反映负荷的变化趋势。
- 单位
