摘要:针对传统小波神经网络(wavelet neural network,WNN)应用于电力负荷预测时,存在网络组件无法对小波高频信号分量进行有效处理的问题,提出一种针对电力负荷高频信号的无迹卡尔曼滤波(unscented kalman filter,UKF)多频级WNN区间预测算法。首先,给定高频分量信号阈值,对三通道滤波器获取的中频信号分量进行深度划分,并利用UKF算法的无迹变换,获取电力信号高频小波分量均值产生的sigma特征点,将其作为神经网络输入进行训练和预测;其次,针对WNN输出低频信号分量方差的预测输出增量变换问题,利用区间预测估计算法实现高、低频方差预测输出融合,并作为网络输出评价指标;最后,通过实验对所提算法进行有效性验证,并给出高频信号分量阈值选取实验结果,为高频阈值选取提供依据。
关键词:电力负荷 无迹卡尔曼滤波 阈值 小波神经网络 区间预估
单位:浙江大学电气工程学院 浙江省杭州市310027 国网浙江省电力公司经济技术研究院 浙江省杭州市310008
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社