摘要:饱和负荷预测能有效预估区域电网的发展方向和最终规模,为电网规划及电力市场中长期交易提供指导。针对饱和负荷预测不确定性强、时间跨度大的特点,文中采用基于高斯过程回归(GPR)的概率预测模型进行饱和负荷预测,并通过改进混沌粒子群算法(MCPSO)实现以和方差(SSE)最小为目标的模型超参数优化求解;在综合考虑饱和负荷影响因素随机性的基础上,建立了改进混沌粒子群—高斯过程回归(MCPSO-GPR)饱和负荷预测模型,并在多情景下利用上述模型进行饱和负荷预测,同时结合饱和判据得到多情景下饱和负荷的规模和时间。算例分析表明,所述模型不仅具有较高的预测精度,而且可增强预测的弹性。
关键词:饱和负荷 负荷预测 高斯过程回归 混沌粒子群优化 概率预测
单位:上海交通大学电子信息与电气工程学院; 大数据工程技术研究中心; 上海市200240; 国家电网公司华东分部; 上海市200120
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社