排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
母线负荷波动性强、易受用户用电行为的影响,接入分布式光伏电源(Distribution Generator,DG)后,其出力波动会进一步增加母线净负荷不确定性。针对此问题,提出以随机森林(Random Forest,RF)作为预测器,分别预测光伏DG出力与母线负荷的母线净负荷预测新方法。文章构建含气象与社会信息等因素在内的高维原始特征集合,并以原始特征集合分别构建光伏DG出力与母线负荷RF预测器。在RF训练过程中,以PI值分析原始特征集合各特征重要度并排序;以不同维度特征子集RF模型预测准确率作为决策变量,采用前向特征选择法,确定最优特征子集,并构建最优预测器;最后,以母线负荷预测值减去光伏DG出力获得母线净负荷预测值。以某地区实际含光伏电源母线数据开展实验,验证了新方法的有效性与先进性。 相似文献
3.
4.
光伏电源并网后,配电网母线负荷波动会更复杂,峰值负荷预测更加困难。为提高母线峰值负荷预测精度,文章提出了计及复杂气象影响的母线峰值负荷预测方法。首先,根据不同气象日下累积的历史数据,通过条件互信息分析母线峰荷数据与高维气象、社会等特征间相关性,获得特征重要度排序;其次,在条件互信息降低潜在特征集合特征间冗余性基础上,针对不同气象日,以改进粒子群优化极限学习机预测精度为决策变量,开展针对性前向特征选择,确定不同最优特征子集;最后,根据最优特征子集,针对性建立不同气象日下母线峰值负荷最优预测模型。以某地区实际含高渗透率光伏电源母线负荷开展实验,证明所提方法可有效提高母线峰荷预测精度。 相似文献
5.
1