基于EMD-QRF的用戶負荷概率密度預測
摘要：考慮用戶負荷時間序列基數小、波動性與隨機性強、難以取得較高預測精度的特點,建立基于經驗模式分解(Empirical Mode Decomposition,EMD)與分位數回歸森林(Quantile Regression Forest,QRF)的用戶負荷概率密度組合預測模型,以提高用戶負荷預測精度。首先,采用EMD信號處理算法對用戶負荷原始時間序列數據進行分解處理,計算各模態函數樣本熵值并根據樣本熵大小對模態函數進行重構。其次,對重構分量分別建立QRF用戶負荷預測模型,疊加不同分量預測結果從而獲得預測值的條件分布。最后,利用核密度估計輸出任意時刻用戶負荷概率密度預測結果。相對于確定性點預測方法,概率密度預測具有描述用戶負荷未來可能的波動范圍及不確定性等優勢,且算例測試驗證了模型的有效性。
注: 保護知識產權,如需閱讀全文請聯系電力系統保護與控制雜志社
相關推薦
更多
