基于内核时变回归模型的电能预测分析与研究

作者：田野; 王大鹏; 刘荣权; 钟佳晨

来源：现代电子技术, 2023, 46(24): 109-114.

DOI：10.16652/j.issn.1004-373x.2023.24.019

• 内核时变回归模型(KTR)
• 电能负荷预测
• 核回归模型
• 贝叶斯时变系数模型
• 时间序列预测
• 贝叶斯框架

为实现“双碳”发展目标和满足新型电力系统应用需求，亟需对用电进行精准预测。为了应对周期长、变化幅度大的数据，将KTR模型应用于电能负荷预测的实际场景中。该模型在时变系数回归的方法上进行改进，能够应对较长的时间序列，避免出现过拟合的情况；以及根据不同数据变化情况自适应地使用不同的核函数，保证模型学习与数据特征匹配。实验结果表明，使用通过最佳参数构建的KTR模型进行预测，其总体的电能负荷数据预测值和原始值的SMAPE为8.46%。此外，将文中方法与Prophet和SARIMA模型预测结果进行了对比，结果表明，文中方法的预测精度比另外两种模型分别高2.57%和9.23%，验证了该方法电能预测的准确性。

• 单位
  南京农业大学