【摘要】：飽和負(fù)荷預(yù)測能有效預(yù)估區(qū)域電網(wǎng)的發(fā)展方向和最終規(guī)模,為電網(wǎng)規(guī)劃及電力市場中長期交易提供指導(dǎo)。針對飽和負(fù)荷預(yù)測不確定性強、時間跨度大的特點,文中采用基于高斯過程回歸(GPR)的概率預(yù)測模型進行飽和負(fù)荷預(yù)測,并通過改進混沌粒子群算法(MCPSO)實現(xiàn)以和方差(SSE)最小為目標(biāo)的模型超參數(shù)優(yōu)化求解;在綜合考慮飽和負(fù)荷影響因素隨機性的基礎(chǔ)上,建立了改進混沌粒子群—高斯過程回歸(MCPSO-GPR)飽和負(fù)荷預(yù)測模型,并在多情景下利用上述模型進行飽和負(fù)荷預(yù)測,同時結(jié)合飽和判據(jù)得到多情景下飽和負(fù)荷的規(guī)模和時間。算例分析表明,所述模型不僅具有較高的預(yù)測精度,而且可增強預(yù)測的彈性。
[Abstract]:Saturation load forecasting can effectively predict the development direction and final scale of regional power network, and provide guidance for power network planning and long-term trading in power market. In view of the strong uncertainty and long time span of saturated load forecasting, the probabilistic forecasting model based on Gao Si process regression (GPR) is used to forecast saturated load. Based on the improved chaotic particle swarm optimization (MCPSO) algorithm, the model with minimum variance (SSE) as the objective is solved by super-parameter optimization, and the randomness of the factors affected by saturation load is considered synthetically. An improved chaotic particle swarm optimization and Gao Si process regression (MCPSO-GPR) saturation load forecasting model is established. The above models are used to predict the saturated load in multi-scenarios. At the same time, the scale and time of saturated load under multi-scenario are obtained by combining saturation criterion. Numerical examples show that the proposed model not only has high prediction accuracy, but also can enhance the elasticity of prediction.
【作者單位】： 上海交通大學(xué)電子信息與電氣工程學(xué)院大數(shù)據(jù)工程技術(shù)研究中心;國家電網(wǎng)公司華東分部;
【基金】：國家重點研發(fā)計劃資助項目(2016YFB0900101)~~
【分類號】：TM715

【相似文獻】

相關(guān)期刊論文 前10條

1 熊志化,楊海濱,吳云峰,邵惠鶴;基于稀疏高斯過程的熱力參數(shù)軟儀表[J];中國電機工程學(xué)報;2005年08期

2 李元誠;王蓓;王旭峰;;基于和聲搜索-高斯過程混合算法的光伏功率預(yù)測[J];電力自動化設(shè)備;2014年08期

3 熊志化,張衛(wèi)慶,趙瑜,邵惠鶴;基于混合高斯過程的多模型熱力參數(shù)測量軟儀表[J];中國電機工程學(xué)報;2005年07期

4 龍健,張葉,李文云,洪貴平;提高認(rèn)識 做好負(fù)荷預(yù)測工作[J];云南電力技術(shù);2000年04期

5 鐘慶,吳捷,鐘丹虹;基于系統(tǒng)論的負(fù)荷預(yù)測集成化方法[J];電力自動化設(shè)備;2002年10期

6 張伏生,劉芳,趙文彬,寇強,劉沛津,曹正建;基于Internet/Intranet的負(fù)荷預(yù)測系統(tǒng)方案[J];電力系統(tǒng)自動化;2003年10期

7 康重慶;牟濤;夏清;;電力系統(tǒng)多級負(fù)荷預(yù)測及其協(xié)調(diào)問題 (一)研究框架[J];電力系統(tǒng)自動化;2008年07期

8 李小銳;黎燦兵;袁彥;;基于下級負(fù)荷預(yù)測的短期負(fù)荷預(yù)測新算法[J];江西電力職業(yè)技術(shù)學(xué)院學(xué)報;2008年02期

9 李新煒;王子琦;方鳴;周鵬;王啟明;李同;鞠平;;基于分區(qū)逐時氣象信息的全網(wǎng)負(fù)荷預(yù)測研究[J];電力系統(tǒng)保護與控制;2009年03期

10 康重慶;趙燃;陳新宇;楊興宇;曹欣;劉梅;;多級負(fù)荷預(yù)測的基礎(chǔ)問題分析[J];電力系統(tǒng)保護與控制;2009年09期

相關(guān)會議論文 前10條

1 李小銳;黎燦兵;袁彥;;基于下級負(fù)荷預(yù)測的短期負(fù)荷預(yù)測新算法[A];中南七�。▍^(qū)）電力系統(tǒng)專業(yè)委員會第二十二屆聯(lián)合學(xué)術(shù)年會論文集[C];2007年

2 張勇;沈茂亞;;省地一體化負(fù)荷預(yù)測系統(tǒng)的設(shè)計及實現(xiàn)[A];貴州省電機工程學(xué)會2010年優(yōu)秀論文集[C];2010年

3 吳冰;張筱慧;;基于模糊數(shù)與多指標(biāo)灰靶決策理論的小區(qū)負(fù)荷預(yù)測[A];中國農(nóng)業(yè)工程學(xué)會電氣信息與自動化專業(yè)委員會、中國電機工程學(xué)會農(nóng)村電氣化分會科技與教育專委會2010年學(xué)術(shù)年會論文摘要[C];2010年

4 陳昊;吳杰;張釗;;模糊聚類分析在分區(qū)負(fù)荷預(yù)測中的應(yīng)用[A];江蘇省電工技術(shù)學(xué)會成立十周年慶典暨2004年學(xué)術(shù)年會論文集[C];2004年

5 屈利;苑津莎;張衛(wèi)華;李麗;;基于事例推理的負(fù)荷預(yù)測[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

6 韋碧琳;;對河池供電局負(fù)荷預(yù)測工作的探討[A];廣西電機工程學(xué)會第七屆青年學(xué)術(shù)交流會論文集[C];2002年

7 姜晗;;電力需求側(cè)負(fù)荷預(yù)測的算法[A];2005中國電機工程學(xué)會電力系統(tǒng)自動化專委會全國供用電管理自動化學(xué)術(shù)交流暨供用電管理自動化學(xué)科組第二屆年會論文集[C];2005年

8 高峰;張川;徐暉;周佃民;翟橋柱;管曉宏;;大型用電企業(yè)負(fù)荷預(yù)測校正方法[A];第二十七屆中國控制會議論文集[C];2008年

9 陳穎;吳強;;電力系統(tǒng)母線負(fù)荷預(yù)測系統(tǒng)在地區(qū)調(diào)度中的應(yīng)用[A];第六屆電力工業(yè)節(jié)能減排學(xué)術(shù)研討會論文集[C];2011年

10 李延秋;;淺析亳州電網(wǎng)的中期負(fù)荷預(yù)測[A];華東六省一市電機（電力）工程學(xué)會輸配電技術(shù)研討會2004年年會論文集[C];2004年

相關(guān)重要報紙文章 前5條

1 記者 桑學(xué)勇　通訊員 陳鐵;黑龍江電力母線負(fù)荷預(yù)測系統(tǒng)投入試運[N];中國電力報;2009年

2 周渝慧;從方法論看電力負(fù)荷管理[N];華中電力報;2007年

3 記者焦軍利;河北灌溉負(fù)荷預(yù)測近300萬千瓦[N];中國電力報;2009年

4 王海亞;負(fù)荷預(yù)測的幾種方法及特點[N];黔西南日報;2008年

5 通訊員 施戰(zhàn)遼　樓玲俊;機制科學(xué) 管理精細(xì)[N];中國電力報;2011年

相關(guān)博士學(xué)位論文 前8條

1 房晟辰;基于高斯過程回歸及Trust-Tech的短期風(fēng)電功率預(yù)測方法[D];天津大學(xué);2016年

2 郎坤;電力系統(tǒng)短期負(fù)荷預(yù)測及經(jīng)濟調(diào)度決策優(yōu)化研究[D];大連理工大學(xué);2016年

3 任海軍;基于智能計算的配電網(wǎng)負(fù)荷預(yù)測方法研究[D];重慶大學(xué);2010年

4 楊奎河;短期電力負(fù)荷的智能化預(yù)測方法研究[D];西安電子科技大學(xué);2004年

5 張智晟;基于多元理論融合的電力系統(tǒng)短期負(fù)荷預(yù)測的研究[D];天津大學(xué);2004年

6 韓力;電力系統(tǒng)超短期負(fù)荷與運行態(tài)勢預(yù)估的理論與方法研究[D];山東大學(xué);2008年

7 張國江;軟計算方法和數(shù)據(jù)挖掘理論在電力系統(tǒng)負(fù)荷預(yù)測中的應(yīng)用[D];浙江大學(xué);2002年

8 孫謙;母線負(fù)荷預(yù)測技術(shù)及負(fù)荷特性對電網(wǎng)影響的研究[D];湖南大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 王雪茹;基于高斯過程的風(fēng)電機組部件建模與監(jiān)測研究[D];華北電力大學(xué);2015年

2 張江帆;基于高斯過程回歸模型的鋰電池數(shù)據(jù)處理[D];北京交通大學(xué);2017年

3 葉婧;基于高斯過程回歸的鋰電池數(shù)據(jù)處理[D];北京交通大學(xué);2016年

4 牛志強;基于鄰域支持向量機的節(jié)點負(fù)荷立體化預(yù)測研究[D];山東大學(xué);2015年

5 劉嘯峰;宿州地區(qū)負(fù)荷特性研究及負(fù)荷預(yù)測[D];華北電力大學(xué);2015年

6 張毅;義烏電網(wǎng)負(fù)荷預(yù)測研究[D];華北電力大學(xué);2015年

7 蔣澤浩;基于配電網(wǎng)規(guī)劃的負(fù)荷預(yù)測研究與應(yīng)用[D];南昌大學(xué);2015年

8 胡翼;松江電網(wǎng)主設(shè)備負(fù)荷預(yù)測系統(tǒng)研究與開發(fā)[D];上海交通大學(xué);2014年

9 王濤;電網(wǎng)負(fù)荷分類盲分離預(yù)測系統(tǒng)設(shè)計與實現(xiàn)[D];電子科技大學(xué);2015年

10 蘆釧;基于南昌電網(wǎng)的多特征量短期電力負(fù)荷預(yù)測方法研究[D];華北電力大學(xué);2015年

，

本文編號：2244748