典型文献
基于新型组合框架高斯过程的短期电力负荷量预测
文献摘要：
电力系统负荷预测是多变量复杂预测问题,提高短期电力负荷预测精度是保障电网安全稳定运行的技术措施之一.本文针对短期负荷预测中负荷与影响因素之间的复杂非线性关系,建立了一种高斯过程回归的短期负荷预测模型.在单一的GP输出上,为进一步得到精准的预测,本文构建了在贝叶斯框架上一种基于KL散度的组合GP模型,该模型既是一种新型基于Bagging的重抽样GP算法,又克服了传统Bagging多个子模型相关性较弱的弊端,具有参数寻优容易、相关性强、全局学习能力高等优点.实验表明,采用改进后的引导聚集算法组合的GP模型在预测区间估计与均值估计相较传统单一的GP具有更高的预测精度和泛化能力,将其应用于短期电力负荷预测是可行的,且能较好地反映负荷的变化趋势.
文献关键词：
短期负荷预测;高斯过程;KL-散度;基于Bagging的重抽样
中图分类号：
作者姓名：
高宏宇;徐宁
作者机构：
国网江苏省电力有限公司淮安供电分公司,江苏淮安211600;河海大学物联网工程学院,江苏 常州213000
文献出处：
引用格式：
[1]高宏宇;徐宁-.基于新型组合框架高斯过程的短期电力负荷量预测)[J].电力大数据,2022(07):10-18
A类：
引导聚集算法
B类：
组合框架,负荷量,电力系统,系统负荷,多变量,短期电力负荷预测,电网安全,安全稳定运行,技术措施,短期负荷预测,中负荷,非线性关系,高斯过程回归,负荷预测模型,GP,出上,贝叶斯框架,架上,KL,散度,Bagging,重抽样,子模型,参数寻优,优容,全局学习,算法组合,预测区间,区间估计,均值估计,泛化能力
AB值：
0.334004
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
