基于改进相关向量机算法的短期电力负荷预测方法研究

摘要

由于短期电力负荷存在随机性强、影响因素多、预测精度低等问题,在充分考虑气温、日期、节假日等影响因素的基础上,深入研究预测模型,对单一预测模型进行了改进,提出一种将相关向量机与深度置信网络相结合的短期负荷预测方法。通过相关向量机对电力负荷周期变化的通用模型进行建立,在通过深度置信网络建立其误差补偿模型,使用误差补偿模型补偿通用模型的预测误差,提高电力预测的准确度。通过仿真对模型改进前后的有效性和准确性进行验证。研究结果表明,改进后的方法大大提高了短期负荷预测的准确性,无论是否计及气温,都可以实现高精度的预测。降低了负荷因素中一些随机噪声对电力负荷预测的影响,提高了模型的适用性和可靠性。该研究为我国电力负荷预测的发展提供了参考和借鉴。