大规模数据环境下的电力负荷概率密度预测方法研究

项目名称： 大规模数据环境下的电力负荷概率密度预测方法研究

项目编号： No.71401049

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 管理科学

项目作者： 何耀耀

作者单位： 合肥工业大学

项目金额： 21万元

中文摘要： 电力负荷概率密度预测通过构造各种预测结果的概率密度函数，获得比点预测和区间预测更多的信息，是最为详尽的预测方法。大规模数据环境使得电力负荷概率密度预测的过程更加复杂，单一的技术手段难以处理，需要融合数据挖掘、回归分析和智能优化等多种方法进行处理。本项目通过研究大规模数据环境下的电力负荷概率密度预测方法，为电力系统决策人员提供更多的有用信息和精确的预测结果。具体研究内容为：（1）针对大规模数据环境下电力负荷呈现出来的新特点，分析多个不确定性因素对电力负荷概率密度预测过程与方法的影响；（2）运用数据挖掘提取大规模数据中关联度最高的因素和历史负荷序列，提出核心向量分位数回归概率密度预测方法，并用混沌群体智能方法进行参数优化；（3）构建大规模数据环境下短期和中长期电力负荷概率密度预测模型，并建立预测结果评价模型和准则；（4）通过对中国某城市的历史电力负荷数据作为案例研究验证和完善相关研究内容。

中文关键词： 分位数回归；核密度估计；电力负荷概率密度预测；；

英文摘要： Power load probability density forecasting, which obtain more information than the point and interval prediction by constructing various probability density function of forecasting results, is the most detailed prediction method. Large-scale data environm

英文关键词： Quantile regression；kernel density estimation；power load probability density forecasting；；