基于耦合GPR-PSO的北京地区中长期电力需求预测

黄元生; 胡建军; 蔡雅倩

黄元生,胡建军,蔡雅倩.基于耦合GPR-PSO的北京地区中长期电力需求预测[J].电测与仪表,2020,57(2):74-80.
huangyuansheng,hujianjun,caiyaqian.Medium and long-term power demand forecasting in Beijing based on coupled GPR-PSO[J].Electrical Measurement & Instrumentation,2020,57(2):74-80.

基于耦合GPR-PSO的北京地区中长期电力需求预测

Medium and long-term power demand forecasting in Beijing based on coupled GPR-PSO

DOI：10.19753/j.issn1001-1390.2020.02.012

中文关键词: 高斯过程回归，粒子群算法，电力需求预测，神经网络训练

英文关键词:

基金项目:

作者中文名	作者英文名	单位
黄元生	huangyuansheng	华北电力大学（保定）经济管理系
胡建军	hujianjun	华北电力大学（保定）经济管理系
蔡雅倩	caiyaqian	华北电力大学（保定）经济管理系

摘要点击次数: 2072

中文摘要:

建立科学合理的中长期电力需求预测方法，是电力产业科学规划建设的前提。本文构建了基于高斯过程（GPR）和粒子群（PSO）的混合电力需求预测模型。论文采用PSO算法对协方差函数中的参数进行优化，将修正后的参数作为初始值在GPR模型中进行电力需求方面的培训。在贝叶斯框架下，对协方差函数中的参数再次进行优化。最后用训练好的GPR模型进行电力需求预测，并将结果与自回归积分移动平均模型和指数平滑模型进行比较。验证结果表明，基于高斯过程（GPR）和粒子群（PSO）的混合电力需求预测模型具有很好的稳定性和更高的预测精度。

英文摘要:

查看全文查看/发表评论下载PDF阅读器

关闭