%0 Journal Article
%T 基于混沌粒子群—高斯过程回归的饱和负荷概率预测模型
%A 宋柄兵
%A 彭虹桥
%A 胡玉
%A 顾洁
%J 电力系统自动化
%D 2017
%X 饱和负荷预测能有效预估区域电网的发展方向和最终规模，为电网规划及电力市场中长期交易提供指导。针对饱和负荷预测不确定性强、时间跨度大的特点，文中采用基于高斯过程回归(GPR)的概率预测模型进行饱和负荷预测，并通过改进混沌粒子群算法(MCPSO)实现以和方差(SSE)最小为目标的模型超参数优化求解；在综合考虑饱和负荷影响因素随机性的基础上，建立了改进混沌粒子群—高斯过程回归(MCPSO-GPR)饱和负荷预测模型，并在多情景下利用上述模型进行饱和负荷预测，同时结合饱和判据得到多情景下饱和负荷的规模和时间。算例分析表明，所述模型不仅具有较高的预测精度，而且可增强预测的弹性
%K 饱和负荷
%K 负荷预测
%K 高斯过程回归
%K 混沌粒子群优化
%K 概率预测
%K saturated load
%K load forecasting
%K Gaussian process regression
%K chaotic particle swarm optimization
%K probabilistic forecasting
%U http://www.aeps-info.com/aeps/article/abstract/20170119007?st=article_issue