基于自回归条件密度模型的短期负荷预测方法

被引：15

作者：

陈昊

万秋兰

王玉荣

机构：

[1] 东南大学电气工程学院

来源：

东南大学学报(自然科学版) | 2014年 / 44卷 / 03期

关键词：

自回归条件密度模型; 时变参数; 高阶矩; 极大似然估计; 短期负荷预测;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

基于对负荷时间序列高阶矩时变特征的研究,提出了一种基于自回归条件密度模型的短期负荷预测新方法.该方法通过引入含时变参数的有偏分布,对负荷时间序列二阶以上矩信息进行了分析和描述.基于南京地区日用电量实际历史数据,分析了该负荷时间序列的时变高阶矩特征,建立了自回归条件密度模型.使用条件对数极大似然估计对模型参数进行了估计,实现了短期负荷预测,验证了该方法的可行性和有效性.结合算例中自回归条件密度模型时变参数的取值范围,推导了时变参数与条件高阶矩的数理关系,给出了一种刻画时间序列时变高偏度(三阶矩)、时变高峰度(四阶矩)的途径.算例分析表明,基于有偏t分布的自回归条件密度负荷预测模型的预测效果良好.

引用

页码：561 / 566

页数：6

共 10 条

[1] 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

[2] 基于非负矩阵分解的相关向量机短期负荷预测模型 [J].

黄帅栋 ;

卫志农 ;

高宗和 ;

杨争林 ;

孙国强 ;

孙永辉 .

电力系统自动化, 2012, 36 (11) :62-66

[3] 基于细菌群落趋药性优化的最小二乘支持向量机短期负荷预测方法 [J].

曾鸣 ;

吕春泉 ;

田廓 ;

薛松 .

中国电机工程学报, 2011, 31 (34) :93-99+11

[4] 基于两重门限GARCH模型的短期负荷预测 [J].

王玉荣 ;

万秋兰 ;

陈昊 .

东南大学学报(自然科学版), 2011, 41 (06) :1182-1187

[5] 基于随机波动模型的短期负荷预测 [J].

陈昊 ;

王玉荣 .

电力自动化设备, 2010, 30 (11) :86-89

[6] 基于局域波与近似熵的负荷分析方法 [J].

栗然 ;

陆凤怡 ;

徐宏锐 ;

张烈勇 .

中国电机工程学报, 2010, 30 (25) :51-58

[7] 基于非高斯分布GARCH模型的负荷预测 [J].

陈昊 .

电力自动化设备, 2008, (07) :65-68

[8] An efficient approach for short term load forecasting using artificial neural networks [J].

Kandil, Nahi ;

Wamkeue, Rene ;

Saad, Maarouf ;

Georges, Semaan .

INTERNATIONAL JOURNAL OF ELECTRICAL POWER & ENERGY SYSTEMS, 2006, 28 (08) :525-530

[9] Kurtosis of GARCH and stochastic volatility models with non-normal innovations [J].

Bai, XZ ;

Russell, JR ;

Tiao, GC .

JOURNAL OF ECONOMETRICS, 2003, 114 (02) :349-360

[10]

Conditional volatility, skewness, and kurtosis: existence, persistence, and comovements[J] . Eric Jondeau,Michael Rockinger.Journal of Economic Dynamics and Control . 2002 (10)

← 1 →