基于RBF神经网络分位数回归的电力负荷概率密度预测方法

被引:103
作者
何耀耀
许启发
杨善林
余本功
机构
[1] 过程优化与智能决策教育部重点实验室(合肥工业大学)
基金
中国博士后科学基金;
关键词
负荷预测; 径向基函数; 神经网络; 分位数回归; 概率密度函数;
D O I
10.13334/j.0258-8013.pcsee.2013.01.024
中图分类号
TM715 [电力系统规划];
学科分类号
080802 ;
摘要
针对电力系统短期负荷预测问题,在现有的组合预测和概率性区间预测的基础上,提出了基于RBF神经网络分位数回归的概率密度预测方法,得出未来一天中任意时期负荷的概率密度函数,可以得到比点预测和区间预测更多的有用信息,实现了对未来负荷完整概率分布的预测。中国某市实际数据的预测结果表明,提出的概率密度预测方法不仅能得出较为精确的点预测结果,而且能够获得短期负荷完整的概率密度函数预测结果。
引用
收藏
页码:93 / 98
页数:6
相关论文
共 13 条
[1]   分位数局部调整模型及应用 [J].
许启发 ;
蒋翠侠 .
数量经济技术经济研究, 2011, 28 (08) :115-133
[2]   极值负荷及其出现时刻的概率化预测 [J].
陈新宇 ;
康重庆 ;
陈敏杰 .
中国电机工程学报, 2011, 31 (22) :64-72
[3]   采用支持向量机和模拟退火算法的中长期负荷预测方法 [J].
李瑾 ;
刘金朋 ;
王建军 .
中国电机工程学报, 2011, 31 (16) :63-66
[4]   面向大规模样本的核心向量回归电力负荷快速预测方法 [J].
李元诚 ;
刘克文 .
中国电机工程学报, 2010, 30 (28) :33-38
[5]   粒子群优化的神经网络模型在短期负荷预测中的应用 [J].
陆宁 ;
周建中 ;
何耀耀 .
电力系统保护与控制, 2010, 38 (12) :65-68
[6]   基于超短期负荷预测和混合量测的线性动态状态估计 [J].
卫志农 ;
谢铁明 ;
孙国强 .
中国电机工程学报, 2010, 30 (01) :47-51
[7]   基于改进PSO-BP神经网络的短期电力负荷预测研究 [J].
乔维德 .
继电器, 2007, (17) :17-21
[8]  
基于群集智能与算法融合的电力负荷组合预测[D]. 陆宁.华中科技大学. 2010
[9]  
电力系统负荷区间预测[D]. 方仍存.华中科技大学. 2008
[10]  
电力负荷预测技术及其应用[M]. 中国电力出版社 , 牛东晓等, 2009