排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
现今电力系统短期负荷预测的点预测方法多种多样。为弥补传统点预测方法结果过于单一的问题,结合温度及日历序列因素对负荷的影响,提出基于交替条件期望(ACE)的短期电力负荷概率密度预测方法。以温度及日期序列为负荷影响因子,建立基于交替条件期望理论的非参数回归模型,计算历史负荷与影响因子的非线性回归方程;考虑日类型及星期类型等多重因素,利用模糊聚类方法选取相似日;以回归方程为基础,根据所得相似日及预测日影响因子,进行负荷回归值计算,并利用核密度估计(KDE),得到负荷概率密度曲线。利用某市的实测数据,进行负荷概率密度曲线预测,并选取概率密度众数作为负荷点预测值,与其他负荷预测方法结果相比较,仿真结果表明该方法的精度高、可靠性好。 相似文献
2.
考虑数据新鲜度和交叉熵的电动汽车短期充电负荷预测模型 总被引:1,自引:0,他引:1
研究了公交车充电站短期负荷预测方法,提出了一种基于数据新鲜度和交叉熵的组合预测模型。首先,对公交车充电站的负荷特性进行分析,发现日充电负荷具有波动大、周期性、与气象条件(温度、降雨等)密切相关的特点。其次,对组合预测模型在累积历史预测误差的过程中作了如下改进:1考虑充电负荷样本数据的时间特征和波动性特征,给出了基于灰色关联度的相似日选取方法;2考虑单一模型在预测过程中的精度和稳定度,基于交叉熵和正态分布概率密度函数建立组合预测模型,动态地调整权重系数;3充分考虑数据源的时间有效性,提出新鲜度函数的概念,改善了单一预测方法的概率密度分布函数,进而优化组合预测的权重系数,进一步提高组合模型预测精度。基于北京市某公交车充电站的历史充电数据构建训练样本和测试样本,通过与单一预测模型和其他组合模型的预测结果进行比较,证明了所提组合预测模型的有效性。 相似文献
3.
4.
1