基于特征加权Stacking集成学习的净负荷预测方法

摘要：

当前用户侧接入大量新能源,通常采用实际电力负荷减去新能源发电功率后的负荷(称为"净负荷")进行预测研究.由于新能源发电随机性强,净负荷具有不确定性强、规律性差的特点,难以准确预测.为此,提出了一种基于特征加权改进的Stacking集成学习净负荷预测方法.首先,通过对不同单一预测模型的预测性能和差异性的分析,优选出长短期记忆网络、Elman神经网络、随机森林树和最小二乘支持向量机作为Stacking集成的学习器.其次,针对传统Stacking集成预测由于忽略学习器之间差异性所导致的预测能力不足问题,根据预测精度对不同学习器进行特征加权,以修正各学习器所带来的整体预测误差.最后,基于德国TENNET区域实测数据进行算例分析,结果表明,相比于单一预测模型、传统Stacking集成预测方法,基于特征加权Stacking集成学习的净负荷预测方法在晴天、多云、多雨、多雪等天气情况下均具有更高的预测精度.

关键词：新能源、净负荷预测、Stacking集成算法、特征加权

所属期刊栏目：43

分类号：TM714(输配电工程、电力网及电力系统)

资助基金：中国南方电网公司科技项目GXKJXM20190717

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：104-116