【精彩论文】基于萤火虫算法的短期电力负荷预测方法

观点凝练

摘要：近年来，电力行业快速发展，对电力负荷进行预测也越来越重要，其中短期负荷预测对于电力系统的调度和市场运行起到极其重要的作用，精准的电力负荷预测可以有效提高发电设备利用度。融合卡帕（Kappa）测度和萤火虫算法的进行选择性集成学习方法实现短期负荷预测，该方法首先使用自展法（bootstrap抽样）生成多个学习器，然后使用Kappa测度对学习器进行初步筛选，接着使用萤火虫算法从中选择部分差异度大、准确率高的学习器参与集成，其准确率相较于单个学习器而言，有着明显提升。选取2015−2016年武汉2家激光企业的日均负荷曲线作为研究对象，进行负荷预测，通过与其他预测方法进行对比，该方法的预测精度较高。
结论：短期电力负荷对于电力系统的调度以及发电设备利用率的预测有着十分重要的意义。同时，通过该算法可以方便地为电力用户提供个性化的电力预测服务，提高电力企业的服务水平，实现精细化服务。

本文考虑了气温、湿度、风速、历史负荷以及日类型的影响，对日负荷曲线进行预测。与传统的单学习器进行电力负荷预测相比，本文首先使用bootstrap抽样方法生成多个子训练集，在每个子训练集上训练单个学习器，然后使用Kappa测度进行选择筛选，选择出具有差异度的学习器，最后使用萤火虫算法进行选择性集成学习，实验结果表明本文方法的预测误差最小，与实际值非常接近，是一个预测准确率较高的方法，具有较好的应用价值。

引文信息

范海虹. 基于萤火虫算法的短期电力负荷预测方法[J]. 中国电力, 2021, 54(3): 141-148.FAN Haihong. Short-term power load forecasting method based on glowworm swarm optimization algorithm[J]. Electric Power, 2021, 54(3): 141-148.

 往期回顾 

编辑：杨彪

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。