10.13335/j.1000-3673.pst.2019.2243
基于CNN-QRLightGBM的短期负荷概率密度预测
为了应对智能电网时代用电需求的活跃性、不稳定性,提出了一种基于卷积神经网络(convolutional neural network,CNN)结合分位数回归轻量梯度提升机的短期负荷概率密度预测方法.首先通过建立Copula模型分析变量之间的相关性、采用CNN进行特征提取;其次通过树状结构Parzen估计方法对回归预测模型进行超参数调优;然后用调优后的模型在不同分位点上进行预测,将预测结果进行核密度估计得到概率密度函数.最后在美国新英格兰地区缅因州数据集上进行仿真验证,结果表明所提方法可更好地量化短期负荷概率密度预测.
Copula函数、卷积神经网络、分位数回归、LightGBM、核密度估计:TPE
44
TM715(输配电工程、电力网及电力系统)
国家自然科学基金;国家自然科学基金
2020-09-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
3409-3415