其他
【精彩论文】基于特征选择和组合模型的短期电力负荷预测
观点凝练
摘要：提出基于特征选择和组合模型的短期电力负荷预测方法。首先将特征向量按特点分为2类，分别使用斯皮尔曼相关系数、最大相关最小冗余算法进行选择，依据贝叶斯信息量准则确定最优特征向量维度。然后使用3个不同的核函数建立单核递归支持向量回归模型并完成预测。最后构建神经网络，进行实验分析。仿真结果表明所提方法具有较高的预测精度与鲁棒性。
结论：本文针对特征选择和多核SVR线性组合问题提出了解决优化方案，不仅使模型特征选择的方法更严谨，能够得到高相关低冗余的特征向量，同时保证较低的模型复杂度，还使用可以进行自学习的浅层神经网络作为单核RSVR模型的组合工具，从而替代了采用误差倒数法的线性组合方式。整个模型并非各类算法的盲目堆砌。通过实验对比，3核RSVR-NN组合模型预测性能不仅优于单核模型与其他机器算法模型，也优于3核RSVR线性组合模型。
在后续的研究工作中，可尝试多个“混合核函数”SVR模型组合或者将SVR与其他机器学习算法进行组合，进一步提升整体负荷预测效果。
引文信息
徐宇颂, 邹山花, 卢先领. 基于特征选择和组合模型的短期电力负荷预测[J]. 中国电力, 2022, 55(7): 121-127.XU Yusong, ZOU Shanhua, LU Xianling. Short-term load forecasting based on feature selection and combination model[J]. Electric Power, 2022, 55(7): 121-127.往期回顾
◀【精彩论文】电网电压不平衡下储能变流器的控制策略◀【精彩论文】交直流混合微电网互联变流器微分平坦控制◀【精彩论文】基于改进旋转门算法的变电站数据压缩存储方法◀【精彩论文】计及设备信息的配电设备多组巡检路径优化策略◀【征稿启事】“分布式智能电网的规划、运行和电力交易”专栏征稿启事◀【征稿启事】“新型能源体系下电碳协同市场机制及优化运行”专栏征稿启事◀【征稿启事】“面向碳达峰碳中和目标的清洁高效发电技术”专题征稿启事◀【征稿启事】“新型电力系统低碳规划与运行”专栏征稿启事
审核：方彤
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。