基于VMD-LSTMQR的滚动母线负荷区间预测
2021-12-01董新伟卜智龙陈鸣慧鹿文蓬年珩
电力工程技术 2021年6期
董新伟,卜智龙,陈鸣慧,鹿文蓬,年珩
(1.中国矿业大学电气与动力工程学院,江苏 徐州 221116;2.浙江大学电气工程学院,浙江 杭州 310058)
0 引言
准确的负荷预测不仅能为电力调度提供依据,而且对电网的规划和稳定运行具有重要意义[1—3]。传统的负荷预测可分为点预测和区间预测[4—7]。点预测是用来预测某一时刻具体的数值[8],通常以预测值和实际值的误差最小为目标;而区间预测是预测某一时刻出力区间,通常以低区间带宽和高区间覆盖率为目标[9]。传统的负荷预测大多是确定性点预测,但由于电力系统受不确定性因素影响,负荷功率也具有不确定性。单纯的点预测无法应对负荷的不确定性。区间预测以概率的形式有效地应对出力的不确定性,通过预测负荷功率上下界,为决策者提供更多信息。因此提高电力负荷的区间预测精度成为目前研究的热门方向。
国内外人员对区间预测进行了广泛的研究。区间预测主要有统计方法[10—11]、上下区间估计[12—13]以及组合预测方法[14]等。文献[9]采用长短期记忆(long short-term memory,LSTM)网络进行点预测并且构建误差的核密度估计,构造不同置信区间下的负荷区间。文献[15]利用分位数回归(quantile regression,QR)构建不同模型从而得到概率预测结果。单纯利用QR很难以非线性拟合的方式去拟合复杂的函数。因此,为了提高区间预测效果,常将神经网络模型和QR一起构建概率预测模型。文献[16]将分位数回归和随机森林(random forest,RF)结合在一起以预测负荷的概率密度,效果远高于传统QR。……
登录APP查看全文
