考虑气象因素的短期电力负荷预测研究

作者：黄文思

来源：计算机应用与软件, 2020, 37(01): 98-105.

• 气象因素
• 短期电力负荷
• 预测
• 卡尔曼滤波
• 回声状态网络
• 修正因子

针对如何提高短期电力负荷预测精度的问题,提出基于核主成分分析法(Kernel principal component analysis,KPCA)和改进的回声状态网络(Echo state network, ESN)算法相结合的方法对短期电力负荷进行预测研究。通过卡尔曼滤波(Kalman filtering, KF)方法训练回声状态网络的输出权值,引入修正因子对卡尔曼滤波的协方差矩阵进行修正,从而实现回声状态网络结构参数的调整,获得理想的网络结构模型。采用Lyapunov理论验证了改进回声状态网络算法的收敛性。采用核主成分分析法对气象因素进行降维处理,获得能够体现数据信息的主元信息。通过UCI(University of California Irvine)数据集仿真对比,验证了该算法相比于ESN、SVM(Support vector machine)、BP(Back propagation)、GA(Genetic algorithm)等算法具有更高的预测精度。在考虑气象因素的前提下,对短期负荷预测进行仿真实验,实验结果显示在正常天气和存在气象突变的情况下,改进的回声状态网络算法较GA-ESN和GA-BP算法有更高的预测精度,验证了该方法的实用性。

• 单位
  国网信通亿力科技有限责任公司