基于粗糙集理论与D-S证据理论改进的多元回归负荷预测方法研究
2016-10-13陈毅波姚建刚
电力系统保护与控制 2016年6期
陈毅波,郑 玲,姚建刚
基于粗糙集理论与D-S证据理论改进的多元回归负荷预测方法研究
陈毅波1,郑 玲2,姚建刚2
(1.国网湖南省电力公司通信公司,湖南 长沙 410007;2.湖南大学电气与信息工程学院,湖南 长沙 410012)
当前,中长期负荷预测大多采用多元回归算法,但在建模时对影响因子及历史年的选择缺乏良好的依据,很难在考虑更多影响因子及历史年数据与降低回归模型误差之间做出平衡。这使多元回归算法在实际负荷预测中的精准度很不稳定。将粗糙集理论与D-S证据理论引入多元回归算法,利用粗糙集理论对影响因子进行重要性排序。分别以历史年和影响因子为对象进行聚类,以此建立多个多元回归模型。利用D-S证据理论对多个组合预测的权重分配方案进行权重融合,得出最终基于多元回归分析法的组合预测模型。经算例验证,该模型能较好地平衡影响因子和历史年的选取,能有效提高多元回归算法在中长期负荷预测中的准确性,适用性强。
中长期负荷预测;多元回归;粗糙集方法;D-S证据理论
0 引言
电力系统中长期负荷预测中负荷受经济、社会和气象等不确定因素影响较大,如何从多因素中提取关键影响因子和减小多因素综合所带来的不确定性并提高预测结果的精确性成为亟待解决的问题。
目前常用的中长期负荷预测算法中,偏最小二乘回归预测模型对影响因子的利用比较有效,国内外相关研究也较多。文献[1]对最小二乘法做了一定改进后运用于中长期负荷预测中,取得了一定效果。……
登录APP查看全文
