【摘要】为了有效量化负荷预测的不确定性,提出一种基于主成分分析PCA(principal component analysis)和高斯过程分位数回归GPQR(Gaussian process quantile regression)的负荷短期概率密度预测模型。首先,采用PCA对原始多维输入变量进行预处理,实现负荷原始数据的降维;其次,基于高斯过程回归模型,通过选择输入变量的主成分作为GPQR的输入,实现对预测区间完整的概率描述;最后,在不同分位数回归预测值的基础上,利用核密度估计输出任意时刻负荷的概率密度预测结果。所采用的PCA降低了模型训练复杂度,由于GPQR是一种贝叶斯方法,有效处理了电力负荷数据中的不确定性。通过与多种常规方法算例的测试对比,验证了所提模型的预测性能和有效性。
【关键词】
《建筑知识》 2015-05-12
《中国医疗管理科学》 2015-05-12
《中国医疗管理科学》 2015-05-12
《中国医疗管理科学》 2015-05-12
《重庆高教研究》 2015-07-06
《现代制造技术与装备》 2015-07-02
《重庆高教研究》 2015-06-26
《中外医疗》 2015-07-03
010-56259535
关注中教数据库
Copyright © 2013-2016 ZJHJ Corporation,All Rights Reserved
个人中心
退出
发表评论
登录后发表评论 (已发布 0条)点亮你的头像 秀出你的观点