基于Copula理论与KPCA-GRNN结合的区域综合能源系统多元负荷短期预测模型

被引：54

作者：

马建鹏 ^{[1
]}

龚文杰 ^{[2
]}

张智晟 ^{[1
]}

机构：

[1] 青岛大学电气工程学院

[2] 国网青岛供电公司

来源：

电工电能新技术 | 2020年 / 39卷 / 03期

关键词：

区域综合能源系统; 多元负荷预测; Copula理论; 核主成分分析; 广义回归神经网络;

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：

通过Copula理论对多元负荷之间以及多元负荷与天气因素之间的非线性相关性进行分析。基于分析结果构建模型样本集,通过核主成分分析(KPCA)对样本集进行降维解耦,采用广义回归神经网络(GRNN)模型对多元负荷进行预测,模型参数采用遗传算法进行优化。以北方某建筑级区域综合能源系统夏季多元负荷中的电负荷和冷负荷算例为例,与其他两种预测模型进行对比,验证结果表明,基于Copula理论与KPCA-GRNN结合的区域综合能源系统多元负荷短期预测模型具有较高的预测精度,该模型具有一定的应用价值。

引用

页码：24 / 31

页数：8

共 17 条

[1]

并网型光伏电站发电功率预测方法与系统 [D].

王飞 .

华北电力大学,

2013

[2]

高维数据的维数约简算法研究 [D].

苏雅茹 .

中国科学技术大学,

2012

[3]

Appraisal of the support vector machine to forecast residential heating demand for the District Heating System based on the monthly overall natural gas consumption.[J].Nima Izadyar;Hossein Ghadamian;Hwai Chyuan Ong;Zeinab moghadam;Chong Wen Tong;Shahaboddin Shamshirband.Energy.2015,

[4]

Modeling heating and cooling loads by artificial intelligence for energy-efficient building design.[J].Jui-Sheng Chou;Dac-Khuong Bui.Energy & Buildings.2014,

[5]

Heating; cooling; and electrical load forecasting for a large-scale district energy system.[J].Kody M. Powell;Akshay Sriprasad;Wesley J. Cole;Thomas F. Edgar.Energy.2014,

[6]

Short-term heat load forecasting for single family houses.[J].Peder Bacher;Henrik Madsen;Henrik Aalborg Nielsen;Bengt Perers.Energy & Buildings.2013,

[7]

MATLAB统计分析与应用.[M].谢中华.北京航空航天大学出版社.2015,

[8]

基于GRNN网络的短期与超短期负荷预测 [D].