基于套索算法和高斯过程回归的中长期居民用电量概率预测

论文摘要

在目前的"新常态"经济模式下,居民电力消费量已经成为中国电力消费增长的主要驱动力。然而其预测精度容易受到社会、经济、环境等多种外部因素的影响,这样会导致预测难度的加大。因此,如何提取这些外部因素中有价值的信息,是预测居民电力消费量成功的关键。针对这个问题,提出了一种基于套索算法和高斯过程回归的中长期居民用电量概率预测模型。首先利用套索算法选取有用的影响因素,从而实现数据降维。其次将被选取的特征当作预测变量,建立了基于高斯过程回归的居民电力消费量概率预测模型。最后以中国居民电力消费量作为算例。结果表明,(1)套索算法可以识别出预测问题中重要的特征,从而能够有效地处理预测问题中的高维数据;(2)高斯过程回归模型可以提高预测精确度,为居民电力消费量的概率预测提供了一种可行思路。

论文目录

• 0 引言
• 1 方法
•   1.1 套索算法
•   1.2 高斯过程回归
•   1.3 协方差函数
• 2 基于LASSO-GPR模型的电力负荷预测
•   2.1 LASSO-GPR模型预测模拟
•   2.2 误差指标
• 3 实例分析
•   3.1 指标的选取
•   3.2 LASSO-GPR模型的预测
•     3.2.1 点预测
•     3.2.2 区间预测
•   3.3 灵敏度分析
•     3.3.1 点预测灵敏度分析
•     3.3.2 预测区间灵敏度分析
• 4 结论

文章来源

类型: 期刊论文

作者: 王宏伟,黄元生,姜雨晴,刘诗剑

关键词: 套索算法,高斯过程回归,居民用电量预测,新常态,多维数据

来源: 华北电力大学学报(自然科学版) 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 华北电力大学经济与管理学院

基金: 河北省科技计划项目(12457206D-22),中央高校基本科研业务费专项资金资助项目(2018QN095)

分类号: TM715

页码: 27-35

总页数: 9

文件大小: 244K

下载量: 369