分布式协同网络用电负荷分层加权概率预测方法

摘要：

先进计量体系(AMI)是智能电网中的分布式协同网络,其通过广泛布置的分布式测量计算节点对用电端的用户用电信息进行测量和协同分析.基于分布式协同网络测量得到的海量数据,针对短期用电负荷的概率预测问题提出一种分层特征加权概率预测方法.该方法采用核主分量分析提取用电负荷测量样本的非线性特征,根据提取的特征采用马氏距离判据对用电负荷数据进行特征加权,剔除权重低的不相关干扰数据;提出将经验模态分解与稀疏贝叶斯学习方法相结合的机器学习用电负荷概率预测方法,对用电负荷高频与低频分量进行分层概率分布预测.最后,将所提出的方法应用于某地区的短期用电负荷预测实验,实验结果表明该方法能够有效预测短期用电负荷的概率分布,预测精度高、可靠性好.

关键词：分布式协同网络、用电负荷预测、特征加权、分层预测、稀疏贝叶斯学习

所属期刊栏目：35

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61272428;教育部博士点基金20120002110067

在线出版日期：2014-03-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：241-246