基于集成技术的用电量中短期预测

• 作 者: 李俊华
• 机 构: 华南理工大学
• 出 处: 华南理工大学
• 发表日期: 2008年期
• 关键词: 集成技术 集成技术用电量 用电量中短期预测 中短期预测电力系统 电力系统时间序列 时间序列神经网络 神经网络

本文主要目标是基于回归分析法、指数平滑法和神经网络集成的多模型集成技术对电力用电量进行中短期预测,为电网发电提供参考。
电力时间序列预测是当今最具有挑战性的时间序列预测问题之一,因为它是一个非常复杂的时间序列,受经济的发展情况、天气的波动情况、节假日和人们生活习惯等等的影响。为了提高其预测精度和预测速度,常用的做法是根据电量特性,寻找相应最合适的单个模型来预测,由于噪音数据等会影响预测稳定性和精度,而难以得到最优预测模型。集成技术通过多个相应最合适的单个模型集成,能得到较好的预测稳定性和精度。为了得到适合电量预测的集成模型,本文展开了如下工作：
1、结合电力特性,提出了如何解决电量数据的丢失和残缺数据预处理及找出数据中的奇异点。
2、根据电力电量存在的特性,选择类型日数据进行预测对应的类型日,减少了类型日转换的误差。
3、结合电力用电量规律,提出改进的指数平滑法模型,取得了较好的预测精度和稳定性。
4、结合Bagging算法,将时间序列数据随机抽取作为样本训练数据,改变传统的固定的,单一做法。及提出了不同输入变量作为神经网络群的输入点,提高了神经网络集成的泛化性和预测精度。
5、在前人工作的基础上,提出了基于遗传算法的多重选择性神经网络集成,建立新的选择个体网络原则和优化权重原则。通过实验对比周志华方法, 得出稍微更好的预测精度。
6、提出了多模型集成框架。将回归分析法、指数平滑法和神经网络集成模型有机的统一,得到的较高预测精度和稳定性。到目前为止,作者查阅国内外论文,尚未发现有多模型集成在电力预测的应用,这也是本文最大的创新点。