基于EMD-QRF的用户负荷概率密度预测

摘要：

考虑用户负荷时间序列基数小、波动性与随机性强、难以取得较高预测精度的特点,建立基于经验模式分解(Empirical Mode Decomposition,EMD)与分位数回归森林(Quantile Regression Forest,QRF)的用户负荷概率密度组合预测模型,以提高用户负荷预测精度.首先,采用EMD信号处理算法对用户负荷原始时间序列数据进行分解处理,计算各模态函数样本熵值并根据样本熵大小对模态函数进行重构.其次,对重构分量分别建立QRF用户负荷预测模型,叠加不同分量预测结果从而获得预测值的条件分布.最后,利用核密度估计输出任意时刻用户负荷概率密度预测结果.相对于确定性点预测方法,概率密度预测具有描述用户负荷未来可能的波动范围及不确定性等优势,且算例测试验证了模型的有效性.

关键词：用户负荷、经验模式分解、分位数回归森林、核密度估计、概率密度预测

所属期刊栏目：47

资助基金：国家自然科学基金项目资助51507052

在线出版日期：2019-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-7