|
|
- 2017
月前日负荷曲线的概率预测和随机场景模拟Keywords: 负荷概率预测,日负荷曲线,时序相关性,因子分析,神经网络分位数回归,气象因素,load probabilistic forecasting, daily load curve, autocorrelation of time series, factor analysis, quantile regression neural network(QRNN), weather factors Abstract: 针对现有中长期日负荷曲线预测方法大多为点预测，难以满足电力系统不确定性分析的不足，提出了一种基于因子分析和神经网络分位数回归的月前日负荷曲线概率预测和随机场景模拟方法。采用因子分析技术，在保留日内负荷时序相关性的前提下，对日负荷序列向量降维；提取出少数相互独立的负荷公共因子作为预测变量，以日气象因素、星期类型和前一日公共因子值为输入特征，建立计及相邻日负荷相关性的神经网络分位数回归概率预测模型；以此为基础，利用中期气象预报信息，逐日预测和模拟未来30日的负荷曲线，并生成未来月负荷曲线的随机模拟场景。实际算例结果验证了所提概率预测方法的准确性和高效性，其生成的日负荷曲线模拟场景更好地体现了负荷的时序相关性，能为调度人员提供更准确、全面的月前负荷预测信息
|
