基于EMD-QRF的用戶(hù)負荷概率密度預測
摘要:考慮用戶(hù)負荷時(shí)間序列基數小、波動(dòng)性與隨機性強、難以取得較高預測精度的特點(diǎn),建立基于經(jīng)驗模式分解(Empirical Mode Decomposition,EMD)與分位數回歸森林(Quantile Regression Forest,QRF)的用戶(hù)負荷概率密度組合預測模型,以提高用戶(hù)負荷預測精度。首先,采用EMD信號處理算法對用戶(hù)負荷原始時(shí)間序列數據進(jìn)行分解處理,計算各模態(tài)函數樣本熵值并根據樣本熵大小對模態(tài)函數進(jìn)行重構。其次,對重構分量分別建立QRF用戶(hù)負荷預測模型,疊加不同分量預測結果從而獲得預測值的條件分布。最后,利用核密度估計輸出任意時(shí)刻用戶(hù)負荷概率密度預測結果。相對于確定性點(diǎn)預測方法,概率密度預測具有描述用戶(hù)負荷未來(lái)可能的波動(dòng)范圍及不確定性等優(yōu)勢,且算例測試驗證了模型的有效性。
注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系電力系統保護與控制雜志社