基于概率统计的电力负荷时间序列预测模型

发布时间：2024-02-21 02:09

　　电力负荷预测属于设置发电计划与电力系统发展的核心,高精度的负荷预测对于电力系统经济、安全、稳定的工作存在着不可忽视的作用。为此,构建基于概率统计的电力负荷时间序列预测模型,采用基于概率主分量分析模型的电力运行数据预处理方法,去除冗余数据。对预处理后的电力运行数据,通过基于多变量时间序列的电力负荷预测模型,实现电力负荷预测。经实验验证,所构建模型对电力负荷的预测结果可信度高,且对短期、长期的电力负荷的预测精度均显著,针对不同时间序列类型的电力负荷预测任务而言,均可实现高精度、全方位的电力负荷预测,可作为电力负荷预测任务中的参考模型。

【文章页数】：5 页

【部分图文】：

图1普通休息日的电力负荷预测精度

因为电力负荷和用户用电的时间序列存在直接联系，为此，为测试本文模型的使用优势，对电力运行数据中导进噪声数据，并从一般休息日、重大节假日两个角度测试三种模型的预测精度，结果依次如图1、图2所示。分析图1，图2可知：在普通休息日与重大节假日中，本文模型对电力负荷的预测精度均高达0.9....

图2重大节假日的电力负荷预测精度

图1普通休息日的电力负荷预测精度使用三种模型对该小区2009年—2019年的电力负荷实施预测，以此测试三种模型对电力负荷的长期预测精度，结果见表3。根据表3中数据显示，本文模型对该小区2009年—2019年的电力负荷实施预测后，预测精度高于98%，适应性子集度神经网络的电力负荷....

图3三种模型漏测率对比结果

测试三种模型对短期、中期、长期的电力负荷预测时对电力运行数据的漏测率，依次测试三种模型是否可以全面预测电力负荷情况，结果如图3所示。由图3可知，本文模型对电力负荷的短期、中期以及长期预测时，漏测率均低于对比模型，预测范围全面。3结论

本文编号：3904879