基于相空间重构和高斯过程回归的短期负荷预测
基于负荷时间序列的混沌特性,提出了一种结合相空间重构(PSR)和高斯过程回归(GPR)的短期负荷预测方法.首先采用C-C方法确定时间序列的延迟时间和嵌入维度,分别建立单变量和多变量的相空间重构模型.然后,分别运用单一与组合核函数的GP模型对负荷样本进行训练,根据最优超参数对24 h的日负荷进行预测.最后将预测结果与支持向量机模型以及多变量GP模型进行比较.结果显示,多变量组合核函数GP模型取得了更好的预测结果,验证了所提出的基于PSR和GPR的预测方法的可行性.
相空间重构、高斯过程回归、C-C方法、短期负荷预测、组合核函数
45
F83;TP3
2017-05-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
73-79