基于数据关联狄利克雷混合模型的电网净负荷不确定性表征研究

摘要：

针对电网净负荷时序数据关联的特点,提出基于数据关联的狄利克雷混合模型(Data-relevance Dirichlet pro-cess mixture model,DDPMM)来表征净负荷的不确定性.首先,使用狄利克雷混合模型对净负荷的观测数据与预测数据进行拟合,得到其混合概率模型;然后,提出考虑数据关联的变分贝叶斯推断方法,改进后验分布对该混合概率模型进行求解,从而得到混合模型的最优参数;最后,根据净负荷预测值的大小得到其对应的预测误差边缘概率分布,实现不确定性表征.本文基于比利时电网的净负荷数据进行检验,算例结果表明:与传统的狄利克雷混合模型和高斯混合模型(Gaussian mixture model,GMM)等方法相比,所提出的基于数据关联狄利克雷混合模型可以更为有效地表征净负荷的不确定性.

关键词：狄利克雷混合模型、净负荷、不确定性表征、时序序列、预测误差

所属期刊栏目：48

分类号：TM715;TP391;V211.48

资助基金：国家自然科学基金;腾讯—犀牛鸟基金

在线出版日期：2022-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：747-761