-
题名考虑不确定区间的电力负荷GELM-WNN预测方法
被引量：13
- 1
-
-
作者
李廷顺
王伟
刘泽三
-
机构
华北电力大学控制与计算机工程学院
北京中电普华信息技术有限公司
-
出处
《计算机工程》
CAS
CSCD
北大核心
2019年第7期315-320,共6页
-
基金
北京市自然科学基金(2015BJ0206)
-
文摘
为提高电力市场负荷预测的可靠性,结合广义极值学习机(GELM)、小波神经网络(WNN)和抽样模型构建技术,提出一种混合概率电力负荷预测方法。考虑预测模型和数据噪声的不确定性,利用小波函数将信息分成具有不同频率属性的子序列,并采用相似的分辨率尺度对其进行分析。使用GELM对WNN进行快速训练,通过迭代自适应抽样技术实现模型的不确定性评估,以概率区间形式输出电力负荷预测。提前24 h预测电力系统的最大负荷,结果表明,该方法的MAPE值低于1.1 %,优于灰度值预测和比率估计方法。
-
关键词
预测区间
不确定性
电力负荷
小波神经网络
广义极限学习机
-
Keywords
prediction interval
uncertainty
power load
Wavelet Neural Network(WNN)
generalized extreme learning machine(gelm)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
