融合滑动窗口和MLP-AdaBoost的电力负荷预测

由于炼钢过程中电弧炉与LF炼钢冲击负荷的随机性，采用人工无法进行用电负荷的控制。为了能够及时调控用电负荷，尽可能节约能源和成本，采用滑动窗口的方法来划分数据，建立多层感知机（MLP）和自适应增强算法（AdaBoost）炼钢负荷预测模型，即MLP-AdaBoost方法对炼钢过程中的电力负荷进行预测。实验通过滑动窗口建立数据与之前时刻的联系，使用MLP建立弱模型，通过AdaBoost对样本权重进行再分配，通过迭代得到最终预测模型。结果表明，基于滑动窗口MLP-AdaBoost预测模型在负荷变化大、突变性强的炼钢过程中有显著效果。所提方法可为电弧炉炼钢下一步负荷量调控提供参考依据，为预测控制奠定基础，从而节约能源和成本。