基于混沌粒子群—高斯过程回归的饱和负荷概率预测模型

摘要：

饱和负荷预测能有效预估区域电网的发展方向和最终规模,为电网规划及电力市场中长期交易提供指导.针对饱和负荷预测不确定性强、时间跨度大的特点,文中采用基于高斯过程回归(GPR)的概率预测模型进行饱和负荷预测,并通过改进混沌粒子群算法(MCPSO)实现以和方差(SSE)最小为目标的模型超参数优化求解;在综合考虑饱和负荷影响因素随机性的基础上,建立了改进混沌粒子群—高斯过程回归(MCPSO-GPR)饱和负荷预测模型,并在多情景下利用上述模型进行饱和负荷预测,同时结合饱和判据得到多情景下饱和负荷的规模和时间.算例分析表明,所述模型不仅具有较高的预测精度,而且可增强预测的弹性.

关键词：饱和负荷、负荷预测、高斯过程回归、混沌粒子群优化、概率预测

所属期刊栏目：41

分类号：G62;TM7

资助基金：国家重点研发计划资助项目2016YFB0900101.This work is supported by National Key Research and Development Program of China2016YFB0900101

在线出版日期：2017-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：25-32,155