10.19678/j.issn.1000-3428.0053148
考虑不确定区间的电力负荷GELM-WNN预测方法
为提高电力市场负荷预测的可靠性,结合广义极值学习机(GELM)、小波神经网络(WNN)和抽样模型构建技术,提出一种混合概率电力负荷预测方法.考虑预测模型和数据噪声的不确定性,利用小波函数将信息分成具有不同频率属性的子序列,并采用相似的分辨率尺度对其进行分析.使用GELM对WNN进行快速训练,通过迭代自适应抽样技术实现模型的不确定性评估,以概率区间形式输出电力负荷预测.提前24 h预测电力系统的最大负荷,结果表明,该方法的MAPE值低于1.1%,优于灰度值预测和比率估计方法.
预测区间、不确定性、电力负荷、小波神经网络、广义极限学习机
45
TP391(计算技术、计算机技术)
北京市自然科学基金2015BJ0206
2019-08-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
315-320