基于非線性Ensemble的短期負(fù)荷預(yù)測及置信區(qū)間.pdf

1、電力系統(tǒng)的短期負(fù)荷預(yù)測對于電力系統(tǒng)的經(jīng)濟(jì)穩(wěn)定運(yùn)行具有重要作用。準(zhǔn)確的預(yù)測結(jié)果能夠幫助制定發(fā)電計(jì)劃、穩(wěn)定性分析以及電力系統(tǒng)的運(yùn)行和優(yōu)化決策。隨著系統(tǒng)解除管制，短期負(fù)荷預(yù)測能為電能生產(chǎn)和電力交易提供決策支持，因而越來越重要。
　　人工神經(jīng)網(wǎng)絡(luò)能夠充分描述電力負(fù)荷的復(fù)雜特性。Ensemble方法能能夠有效提高單個(gè)預(yù)測器的預(yù)測效果。為建立良好的Ensemble模型，需要產(chǎn)生多個(gè)具有多樣性和準(zhǔn)確性的子預(yù)測器，并將它們組合成為一個(gè)復(fù)合的預(yù)測器

2、。本文提出一種非全連接神經(jīng)網(wǎng)絡(luò)的Ensemble模型用于電力系統(tǒng)的短期負(fù)荷預(yù)測。非全連接神經(jīng)網(wǎng)絡(luò)由于其良好的泛化能力而被用作基本預(yù)測器。基于分群的混沌算法利用遺傳進(jìn)化的群特性產(chǎn)生多樣的、準(zhǔn)確的神經(jīng)網(wǎng)絡(luò)。本文采用新型的剪枝算法以確定性的方式產(chǎn)生非全連接神經(jīng)網(wǎng)絡(luò)。為進(jìn)一步提高預(yù)測的準(zhǔn)確度，本文提出基于ANN的非線性Ensemble用以組合全連接神經(jīng)網(wǎng)絡(luò)，并將本文提出的短期負(fù)荷預(yù)測方法應(yīng)用到PJM數(shù)據(jù)集和ISO New England數(shù)據(jù)集上