计算机工程

作者：李廷顺, 王伟, 刘泽三

单位：1. 华北电力大学 控制与计算机工程学院, 北京 102206;2. 北京中电普华信息技术有限公司, 北京 100192

关键词：预测区间,不确定性,电力负荷,小波神经网络,广义极限学习机

基金：北京市自然科学基金（2015BJ0206）。

为提高电力市场负荷预测的可靠性，结合广义极值学习机（GELM）、小波神经网络（WNN）和抽样模型构建技术，提出一种混合概率电力负荷预测方法。考虑预测模型和数据噪声的不确定性，利用小波函数将信息分成具有不同频率属性的子序列，并采用相似的分辨率尺度对其进行分析。使用GELM对WNN进行快速训练，通过迭代自适应抽样技术实现模型的不确定性评估，以概率区间形式输出电力负荷预测。提前24 h预测电力系统的最大负荷，结果表明，该方法的MAPE值低于1.1%，优于灰度值预测和比率估计方法。

来源：2019年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第7期