基于均生函数-最优子集回归模型的短期电力负荷预测方法

摘要：

为进一步提高电力负荷预测的精度和运算速度，针对短期负荷预测样本数据既有趋势性又有波动性的特点，采用均生函数-最优子集回归（mean generating function-optimal subset regression，MGF-OSR）建立预测模型。相对于均生函数主成分回归（mean generating function-principal component analysis，MGF-PCA）模型，该方法引入了一阶、二阶差分序列对高频部分进行拟合，又建立累加生成序列拟合其趋势，通过均值生成函数（MGF）将上述所有序列构建出预测因子矩阵，采用双评分准则进行粗选，剔除评分较低的因子，其他预报因子经组合寻优后得到最优子集并以此建立预测模型。实例分析表明，该模型预测的平均相对误差可低至2.42%，明显优于主成分回归模型的预测精度。

关键词：电力系统、负荷、数学模型、短期负荷预测、均值生成函数、最优子集回归

分类号：TM714(输配电工程、电力网及电力系统)

资助基金：国家高技术研究发展计划863计划2012AA050217

在线出版日期：2013-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：178-184