唐戈， 余一平， 秦川， 鞠平

(河海大学能源与电气学院，江苏 南京 211100)

0 引言

准确的母线负荷预测对电网的安全稳定运行具有重要意义。相较于系统负荷，母线负荷量级低，各母线的负荷成分也不同，不确定性更明显，因此预测难度更大[1]。

母线负荷的传统日前预测大多采用点预测方法[2—3]，其预测结果为确定的预测点值，无法提供预测的不确定性信息。点预测方法对于趋势相近且波动性较弱的母线负荷，例如商业居民类负荷的日前预测可达到较高的精度。但如母线负荷成分中包含一定比例波动性强的工业负荷，点预测结果可能难以满足精度需求。区间预测方法可以提供某一置信区间下未来时刻负荷功率的波动范围(上、下限)，对于波动性较强的母线负荷预测更具有实用性[4]。

国内外学者已提出多种区间预测的方法，常见的方法如基于误差统计的区间预测[5]、基于人工智能等方法的直接区间预测[6—7]和概率密度预测[8—9]等。文献[5]计及负荷的不确定性，将点预测值与预测误差值进行叠加获得预测区间的上、下限，该方法对预测模型的点预测精度要求较高。文献[6—7]利用神经网络建立区间预测模型，并将区间覆盖率、区间宽度等多个评价指标的综合函数作为目标，优化网络参数。但在构造目标函数的过程中，各项指标之间权重及参数的设置尚无统一方法。文献[8—9]采用将机器学习或深度学习与分位数回归相结合的方法获得不同分位点的概率密度预测结果，从而得到给定置信区间下预测负荷的变化区间。……