針對(duì)短期電力負(fù)荷數(shù)據(jù)具有明顯周期性的特點(diǎn),將基于機(jī)器學(xué)習(xí)引入到短期電力負(fù)荷預(yù)測(cè)領(lǐng)域,提出一種基于嶺回歸估計(jì)的RBF神經(jīng)網(wǎng)絡(luò)短期電力負(fù)荷預(yù)測(cè)方法,該方法利用機(jī)器學(xué)習(xí)算法RBF在非線性擬合方面的優(yōu)勢(shì),結(jié)合嶺回歸對(duì)RBF神經(jīng)網(wǎng)絡(luò)輸出層權(quán)值進(jìn)行參數(shù)估計(jì),有效消除輸入多重共線性問(wèn)題,采用廣義交叉驗(yàn)證法對(duì)構(gòu)建的模型進(jìn)行評(píng)估,尋找最優(yōu)嶺參數(shù),提高了電力負(fù)荷預(yù)測(cè)精度。通過(guò)實(shí)際負(fù)荷預(yù)測(cè)案例,與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)負(fù)荷預(yù)測(cè)方法進(jìn)行比對(duì),驗(yàn)證了提出的電力負(fù)荷預(yù)測(cè)方法較傳統(tǒng)方法具有較好的穩(wěn)定性和較高的預(yù)測(cè)精度,為電力負(fù)荷預(yù)測(cè)提供了新思路。 

【文章來(lái)源】：電測(cè)與儀表. 2019,56(23)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)原理圖

預(yù)測(cè)框架如圖4所示。如圖4所示，經(jīng)過(guò)數(shù)據(jù)準(zhǔn)備階段后，得到負(fù)荷預(yù)測(cè)所需的天氣、工作日及負(fù)荷數(shù)據(jù)，數(shù)據(jù)通過(guò)預(yù)算理進(jìn)行數(shù)據(jù)清洗、歸一化，數(shù)據(jù)清洗主要是將所需的數(shù)據(jù)中異常值進(jìn)行修正、缺失值進(jìn)行填補(bǔ)，歸一化是對(duì)輸入的數(shù)據(jù)統(tǒng)一為[0,1]范圍的數(shù)據(jù)，歸一化公式如式(9)所示。

由圖5可知，在1月4日用電波谷處及1月8日第二個(gè)用電波峰處預(yù)測(cè)誤差相對(duì)較大，通過(guò)對(duì)當(dāng)?shù)赜秒娯?fù)荷影響因素的分析，發(fā)現(xiàn)該地區(qū)1月4日冬季氣溫較前兩日突然上升，導(dǎo)致發(fā)熱用電設(shè)備減少，用電負(fù)荷波谷較前兩日明顯降低，預(yù)測(cè)誤差增大。1月8日中午11:45至下午16:30，該地區(qū)突降暴雨，地區(qū)溫度急劇下降，發(fā)熱用電設(shè)備增加，導(dǎo)致第二波峰用電負(fù)荷突然增加，預(yù)測(cè)誤差增大�？傮w而言，該區(qū)域在應(yīng)用本文提出基于嶺回歸分析的RBF神經(jīng)網(wǎng)絡(luò)短期電力負(fù)荷預(yù)測(cè)方法(機(jī)器學(xué)習(xí)模型)后，能準(zhǔn)確的預(yù)測(cè)出峰、平、谷負(fù)荷值，較傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法明顯的提高了預(yù)測(cè)精度，表現(xiàn)出了較優(yōu)的預(yù)測(cè)性能。對(duì)應(yīng)的每天預(yù)測(cè)誤差情況如表1所示。

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的并行模糊核聚類(lèi)算法在電力負(fù)荷預(yù)測(cè)的應(yīng)用[J]. 謝偉,趙琦,郭乃網(wǎng),蘇運(yùn),田英杰.  電測(cè)與儀表. 2019(11)
[2]基于改進(jìn)卡爾曼濾波算法的短期負(fù)荷預(yù)測(cè)[J]. 劉鑫,滕歡,宮毓斌,滕德云.  電測(cè)與儀表. 2019(03)
[3]基于改進(jìn)CS算法優(yōu)化Elman-IOC神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)[J]. 楊芳君,王耀力,王力波,常青.  電測(cè)與儀表. 2019(09)
[4]基于廣義需求側(cè)資源聚合的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)模型[J]. 陳麗娜,張智晟,于道林.  電力系統(tǒng)保護(hù)與控制. 2018(15)
[5]圖正則非線性嶺回歸模型的異常用電行為識(shí)別[J]. 張小斐,耿俊成,孫玉寶.  計(jì)算機(jī)工程. 2018(06)
[6]基于深度學(xué)習(xí)的電網(wǎng)短期負(fù)荷預(yù)測(cè)方法研究[J]. 吳潤(rùn)澤,包正睿,宋雪瑩,鄧偉.  現(xiàn)代電力. 2018(02)
[7]考慮需求響應(yīng)綜合影響因素的RBF-NN短期負(fù)荷預(yù)測(cè)模型[J]. 張智晟,于道林.  中國(guó)電機(jī)工程學(xué)報(bào). 2018(06)
[8]基于灰色關(guān)聯(lián)分析法及GSA-LSSVM的汽輪機(jī)排汽焓預(yù)測(cè)模型[J]. 王惠杰,范志愿,許小剛,李鑫鑫.  電力建設(shè). 2016(11)
[9]實(shí)現(xiàn)影響因素多源異構(gòu)融合的短期負(fù)荷預(yù)測(cè)支持向量機(jī)算法[J]. 吳倩紅,高軍,侯廣松,韓蓓,汪可友,李國(guó)杰.  電力系統(tǒng)自動(dòng)化. 2016(15)
[10]應(yīng)用近鄰傳播算法改進(jìn)RBF的短期負(fù)荷預(yù)測(cè)[J]. 回立川,于淼,梁芷睿.  電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2015(01)

博士論文
[1]基于全局與局部信息的人臉識(shí)別研究[D]. 易玉根.東北師范大學(xué) 2015

碩士論文
[1]全球定位系統(tǒng)基線解算病態(tài)問(wèn)題的研究[D]. 孫爽.東北大學(xué) 2014



本文編號(hào)：3281867