基于節(jié)假日加權遷移學習的短期電力負荷預測.pdf

1、隨著國民經(jīng)濟快速平穩(wěn)的發(fā)展，電力系統(tǒng)負荷呈現(xiàn)逐年大幅度增長態(tài)勢。然而，電能存儲能力極小，且成本極高，傳統(tǒng)粗放的電力調度模式造成了電能忙時供需不足、閑時極大浪費的問題。面對電力負荷增長的壓力，建設以“互動、自愈、安全、經(jīng)濟、清潔、節(jié)能與高效”為特點的智能電網(wǎng)成為全球的共同目標。負荷預測是智能電網(wǎng)建設的基礎環(huán)節(jié)，精準、時效的負荷預測是智能電網(wǎng)實現(xiàn)節(jié)能降耗、調度精細化管理和電網(wǎng)安全預警的基礎。然而，在負荷預測中，由于節(jié)假日數(shù)據(jù)稀疏并且其變化規(guī)

2、律與非假日不同，使得負荷預測方法在預測節(jié)假日負荷時預測偏差極大。因此，本文希望通過增加源城市的節(jié)假日負荷數(shù)據(jù)來解決節(jié)假日負荷數(shù)據(jù)稀疏的問題，從而改善預測效果。
　　本文首先單純遷移源城市的節(jié)假日數(shù)據(jù)，通過對節(jié)假日信息的豐富和新的節(jié)假日特征的提取，提高節(jié)假日的預測精度，同時避免對非節(jié)假日負荷預測性能的影響。具體工作如下:首先通過分析節(jié)假日特點以及負荷預測中使用的節(jié)假日特征，提出了一種新的節(jié)假日特征。然后，利用關聯(lián)度和優(yōu)化函數(shù)決定選取

3、的源城市，將被選取的源城市節(jié)假日數(shù)據(jù)遷移到目標城市，增加目標城市的節(jié)假日數(shù)據(jù)，解決節(jié)假日數(shù)據(jù)稀疏問題。進一步，本文提出基于節(jié)假日的加權遷移學習方法，針對不同來源的節(jié)假日負荷資源數(shù)據(jù)給予不同權重，通過不同權重反應目標城市和源城市的不同訓練樣本對目標城市節(jié)假日負荷的關聯(lián)影響程度，體現(xiàn)不同負荷數(shù)據(jù)信息的本質屬性，從而訓練得到更精準的預測模型。具體工作如下:由于源城市的負荷數(shù)據(jù)只是用來輔助預測，而目標城市的數(shù)據(jù)是以往歷史的真實參考，因此這兩部分

4、數(shù)據(jù)被分配給不同的權重。目標城市負荷的權重分配是將其作為基準值設為1，而源城市負荷權重則通過計算其與目標城市特征的皮爾遜相關系數(shù)獲取，然后通過局部支持向量機回歸模型預測。最后，針對某些城市遷移節(jié)假日數(shù)據(jù)后出現(xiàn)的負遷移現(xiàn)象，本文用改進的TrAdaBoost算法來解決該問題。該算法能通過衡量源城市與目標城市負荷分布差異，降低源城市中分布不同數(shù)據(jù)權重，從而減輕負遷移問題。
　　廣東省十幾個城市的真實負荷數(shù)據(jù)集作為案例研究，支持向量機回歸