一种电力负荷预测混合模型研究

田珂1?覮; 丁博2; 马文栋1; 赵卫华2; 王坤2

一种电力负荷预测混合模型研究

引用本文：田珂1?覮，丁博2，马文栋1，赵卫华2，王坤2.一种电力负荷预测混合模型研究[J].计算技术与自动化,2020,(4):39-44

摘要点击次数: 317

全文下载次数: 0

作者	单位
田珂1?覮，丁博2，马文栋1，赵卫华2，王坤2	（1.国网河南省电力公司，河南郑州450000； 2.国网河南省电力公司电力科学研究院客户服务中心，河南郑州450000）

中文摘要:为了提高短期负荷预测（STLF）的精度问题，采用了新的信号分解和相关分析技术，结合改进的经验模态分解法（IEMD）将负荷需求时间序列分解为若干个规则的低频分量。为了补偿信号分解过程中的信息损失，通过使用T-Copula进行相关分析来合并外部变量的影响。通过T-Copula分析，可从风险值（VaR）得出峰值负荷指示二进制变量，以提峰值时间负荷预测的准确性。将IEMD和T-Copula得到的数据应用于深度置信网络（DBN）来预测特定时间的未来负荷需求。

中文关键词:短期负荷预测经验模态分解 T-Copula 峰值负荷风险值深度置信网络

A Hybrid Model for Power Load Forecasting

Abstract:In order to improve the accuracy of short-term load forecasting （STLF），this paper uses new signal decomposition and correlation analysis technology，combined with improved empirical mode decomposition （iemd） to decompose the load demand time series into several regular low-frequency components. In order to compensate for the information loss during signal decomposition，T-Copula is used for correlation analysis to merge the effects of external variables. Through T-Copula analysis，the binary variable indicating peak load can be obtained from the value of risk （VaR） to improve the accuracy of peak time load forecasting. The data from IEMD and T-Copula are applied to deep confidence network （DBN） to predict future load demand at a specific time.

keywords:short-term load forecasting empirical mode decomposition T-Copula peak load VaR DBN

查看全文 查看/发表评论 下载pdf阅读器