基于模块化回声状态网络的实时电力负荷预测

被引：16

作者：

肖勇 ^{[1
]}

杨劲锋 ^{[1
]}

马千里 ^{[2
]}

阙华坤 ^{[1
]}

王家兵 ^{[2
]}

秦州 ^{[2
]}

机构：

[1] 广东电网公司电力科学研究院

[2] 华南理工大学计算机科学与工程学院

来源：

电网技术 | 2015年 / 39卷 / 03期

基金：

广东省自然科学基金; 高等学校博士学科点专项科研基金;

关键词：

实时负荷预测; 模块化回声状态网络; 时间序列;

D O I：

10.13335/j.1000-3673.pst.2015.03.033

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

电力负荷预测特别是实时电力负荷预测是电力系统规划的重要组成部分,也是电力系统可靠、经济运行的基础。针对回声状态神经网络在实时负荷预测中存在易受噪声影响、鲁棒性不强、不稳定的问题,提出了将基于模块化回声状态网络的方法应用于实时电力负荷预测中。根据输入时序数据所引起的储蓄池内部状态的相似性对储蓄池空间进行模块划分,将此高维空间划分为多个子模块,针对每一个模块训练一个读出器,最后把各个模块的输出结果集成输出。利用模块化回声状态网络模型,对大客户的实时负荷数据进行预测,并与几种短期负荷预测模型进行精度和稳定性的对比实验,结果表明,模块化回声状态网络在实时负荷预测中既提高了预测精度,又增强了预测的稳定性和泛化性能。

引用

页码：804 / 809

页数：6

共 16 条

[1] 基于混沌理论的电力系统短期负荷预测的局域模型 [J].