基于随机分布式嵌入框架及BP神经网络的超短期电力负荷预测

摘要：

电力系统超短期负荷预测易受到气象、假日等多种因素共同作用的影响,因此,实现其精准预测较为困难.为提高预测精度,往往需要大量的历史数据进行训练.针对历史数据较少的新建初期电力系统,提出了一种基于随机分布式嵌入框架及BP神经网络的超短期电力负荷预测方法.首先,将电力系统中电力负荷变量、气象变量等各种状态变量的延迟变量视为独立的影响因素,采用BP神经网络算法针对不同组延迟变量分别进行训练和预测,得到多个预测值.然后,采用核密度估计法拟合多个预测值形成分布的概率密度函数.最后,通过期望估计法或聚合估计法计算得出电力负荷的最终预测值.选取实际负荷数据进行算例分析,结果表明,所提方法适用于训练数据较少的超短期负荷预测,且相较于几种常规预测算法具有更高的预测精度以及较强的稳定性.

关键词：超短期负荷预测、随机分布式嵌入框架、BP神经网络、非线性动力系统、短期数据

所属期刊栏目：44

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家重点研发计划2018YFB0904700

在线出版日期：2020-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：437-444