基于置信度理论和多元线性回归方程的电网负荷预测

被引：28

作者：

谢毓广 ^{[1
]}

刘童 ^{[2
,3
]}

陈凡 ^{[1
]}

马金辉 ^{[1
]}

机构：

[1] 安徽省电力科学研究院

[2] 安徽大学电气工程与自动化学院

[3] 安徽大学工业节电与电能质量控制协同创新中心

来源：

电工技术 | 2018年 / 13期

基金：

国家重点研发计划;

关键词：

电网; 负荷预测; 置信度; 线性回归;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化];

摘要：

首先根据负荷百分比法和置信度理论得到预测期间负荷百分比曲线的上下限;然后建立多元线性回归方程,求出负荷预测曲线;最后对具体算例进行分析,结果验证了该预测模型的合理性及预测方法的有效性。

引用

页码：42 / 45

页数：4

共 13 条

[1]

Random forests [J].

Breiman, L .

MACHINE LEARNING, 2001, 45 (01) :5-32

[2]

The Short Term Load Forecasting of Power System Based on Adaptive Neural Network..Liang Z S;.Journal of Northeast China Institute of Electric Power Engineer.1994, 01

[3]

基于灰色关联分析与随机森林回归模型的短期负荷预测 [J].

张冰 ;

周步祥 ;

石敏 ;

魏金萧 .

水电能源科学, 2017, 35 (04) :203-207

[4]

基于随机森林算法的用电负荷预测研究 [J].

李婉华 ;

陈宏 ;

郭昆 ;

郭松荣 ;

韩嘉民 ;

陈羽中 .

计算机工程与应用 , 2016, (23) :236-243

[5]

基于灰色投影改进随机森林算法的电力系统短期负荷预测 [J].

吴潇雨 ;

和敬涵 ;

张沛 ;

胡骏 .

电力系统自动化, 2015, 39 (12) :50-55

[6]

基于改进最小二乘支持向量机和预测误差校正的短期风电负荷预测 [J].

李霄 ;

王昕 ;

郑益慧 ;

李立学 ;

生西奎 ;

吴昊 .

电力系统保护与控制, 2015, 43 (11) :63-69

[7]

基于人工神经网络的负荷模型预测 [J].

李龙 ;

魏靖 ;

黎灿兵 ;

曹一家 ;

宋军英 ;

方八零 .

电工技术学报, 2015, 30 (08) :225-230

[8]

配电网负荷预测应用研究 [J].

李健 ;

张植华 ;

林毓 ;

崔文婷 ;

刘洪 ;

王海亮 .

电网与清洁能源, 2014, 30 (04) :31-35

[9]

电力系统负荷预测方法综述 [J].

周潮 ;

邢文洋 ;

李宇龙 .

电源学报, 2012, (06) :32-39

[10]

基于小波分解模糊灰色聚类和BP神经网络的短期负荷预测 [J].

张平 ;

潘学萍 ;

薛文超 .

电力自动化设备, 2012, 32 (11) :121-125+141

← 1 2 →