10.13334/j.0258-8013.pcsee.181740
数据驱动与预测误差驱动融合的短期负荷预测输入变量选择方法研究
短期负荷预测是电力系统安全经济运行的基础.由于负荷变化受众多因素影响,选择合适的变量集对于提高预测性能至关重要.针对数据驱动型与预测误差驱动型变量选择方法各自的特点,以及传统变量选择方法在相关性度量指标与选择策略上存在的问题,该文提出基于正交化最大信息系数、特征协同与随机森林的变量选择方法.该方法将数据驱动与预测误差驱动进行两阶段融合,前者作为变量预筛选阶段,后者完成变量精选,实现选择质量与计算复杂度的平衡;选择过程中综合考虑变量间的相关度、冗余度与协同度,能有效提高短期负荷预测的性能;通过算例从选择的变量集、预测误差大小、预测误差稳定性等方面验证该方法相对于传统短期负荷预测变量选择方法的优势.
短期负荷预测、变量选择、数据驱动、预测误差驱动、最大信息系数
40
TM721(输配电工程、电力网及电力系统)
国家重点研发计划;上海市科委重大项目
2020-03-23(万方平台首次上网日期,不代表论文的发表时间)
共13页
487-499