杨 召 徐姣新

1(商丘工学院 河南 安阳 455000) 2(商丘学院 河南 洛阳 471000)

0 引 言

概率负荷预测是指以区间、场景、密度函数或概率的形式提供电力负荷输出预测。电网的现代化使电力需求比以往任何时候都更为活跃、更不可预测。电力需求的可变性和不确定性正成为电力行业所要面临的巨大挑战，因此，越来越多的电力行业决策过程依赖于概率负荷预测。概率负荷预测的典型应用包括随机机组组合、电价概率预测等[1-2]。在微电网环境中，概率负荷预测是非常关键的，这是由于各种需求响应和馈线重构活动的不稳定性。

近年来，电力负荷预测的研究主要集中于点预测，研究人员尝试使用各种技术预测未来负荷值，主要包括统计技术(如回归模型、指数平滑和时间序列模型)和人工智能技术(如神经网络和支持向量机)[3-5]。点负荷预测的较新的方案主要是利用具有高时间分辨率或空间分辨率的数据进行预测。研究对象包括2014年全球能源预测竞赛(Global Energy Forecasting Competition，GEFCom)中的分层负荷预测、家庭负荷预测、气象站数据预测和带有客户损耗信息的零售能源预测[6-8]。

概率负荷预测研究中，文献[9]提出了一种基于两阶段神经网络的日高峰负荷预测均值和置信区间的计算方法。文献[10]使用基于天气集合的负荷预测估计了预测误差和预测间隔(prediction intervals，PIs)的方差。文献[11]提出了一个预测高耗能企业负荷的稀疏异方差模型。文献[12]应用模糊线性回归方法，生成具有模糊区间的短期负荷预测。……