基于PAU-LSSVM模型融合多特征变量的电力负荷预测 |
| |
引用本文: | 李雪冬.基于PAU-LSSVM模型融合多特征变量的电力负荷预测[J].电子器件,2021,44(2). |
| |
作者姓名: | 李雪冬 |
| |
作者单位: | 北京中恒博瑞数字电力科技有限公司,北京100085;国家电网公司西北分部,陕西西安710004 |
| |
摘 要: | 为了有效地提高电力负荷的预测精度,应对电力负荷的海量数据,同时兼顾负荷数据时序性和非线性,提出了一种基于PAU-LSSVM模型融合多特征变量的电力负荷预测方法。首先,基于偏最小二乘法(PLS)分析影响负荷变量间的相关性,提取影响负荷变化的特征变量。然后,根据特征变量的实时变化特征对LSSVM的模型参数进行自适应更新,建立了PAU-LSSVM负荷预测模型,并与其他深度学习方法建立的负荷预测模型进行对比。结果表明,PLS能够辨识出关键影响变量,降低训练样本矩阵维数,所提PAU-LSSVM模型能够随着工况迁移准确地预测负荷,具有较高泛化能力和工程应用价值。
|
关 键 词: | 负荷预测 偏最小二乘 变量选择 参数自适应更新 最小二乘支持向量机 |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《电子器件》浏览原始摘要信息 |
|
点击此处可从《电子器件》下载全文 |