吕 勤,杨靖萍,李 峰

(1.国网浙江省电力有限公司金华供电公司,浙江 金华 321000;2.北京众智新能科技有限公司,北京 100080)

电力负荷预测在电力系统安全中起着重要作用,已成为电力系统调度不可或缺的组成部分。提高预测的准确性和效率可以提高电力系统的安全性,经济性和可靠性,并促进电力企业合理的配电计划设计。

电力负荷预测可以减少由于电力供需不匹配而造成的潜在损失。电力需求被视为国民经济的晴雨表,准确的电力预测也可以帮助经济管理者掌握一个国家或地区的未来经济发展趋势。因此,准确预测电力负荷非常重要。

1 概述

一直以来,学者们对电力负荷预测进行了大量研究,取得了明显的成果。常见的预测方法主要包括支持向量机(SVM)[1]、整合移动平均自回归模型(ARIMA)、极限学习机(ELM)[2]和灰色模型[3]等,随着研究的深入,预测方法也逐渐被完善。黄伟等[4]运用指数平滑法将有起伏变化的原始数据序列变换成近于指数增长的新样本数据序列。然后采用灰色方法进行预测,提高了预测精度,取得了满意的结果。Li等[5]使用加权ELM方法用于处理不平衡类分布的数据,并根据Adaboost框架的训练样本的重要性确定适当的样本权重,但在处理复杂数据时预测不准确。Cao等[6]将ENN应用于非线性动力系统的辨识,均在一定程度上提高了电力负荷的预测准确性。马立新等[7]通过SOM特征提取找出与预测日同类型的历史数据作为训练样本,然后建立ELM模型,实验结果证实了预测模型得良好性能。……