基于EMD-QRF的用户负荷概率密度预测
考虑用户负荷时间序列基数小、波动性与随机性强、难以取得较高预测精度的特点,建立基于经验模式分解(Empirical Mode Decomposition,EMD)与分位数回归森林(Quantile Regression Forest,QRF)的用户负荷概率密度组合预测模型,以提高用户负荷预测精度.首先,采用EMD信号处理算法对用户负荷原始时间序列数据进行分解处理,计算各模态函数样本熵值并根据样本熵大小对模态函数进行重构.其次,对重构分量分别建立QRF用户负荷预测模型,叠加不同分量预测结果从而获得预测值的条件分布.最后,利用核密度估计输出任意时刻用户负荷概率密度预测结果.相对于确定性点预测方法,...
Saved in:
| Published in | 电力系统保护与控制 Vol. 47; no. 16; pp. 1 - 7 |
|---|---|
| Main Authors | , , , , , |
| Format | Journal Article |
| Language | Chinese |
| Published |
国网江苏省电力有限公司,江苏 南京,210024%国网江苏省电力有限公司电力科学研究院,江苏 南京,211103%河海大学能源与电气学院,江苏 南京,211100
16.08.2019
|
| Subjects | |
| Online Access | Get full text |
| ISSN | 1674-3415 |
| DOI | 10.19783/j.cnki.pspc.181207 |
Cover
| Abstract | 考虑用户负荷时间序列基数小、波动性与随机性强、难以取得较高预测精度的特点,建立基于经验模式分解(Empirical Mode Decomposition,EMD)与分位数回归森林(Quantile Regression Forest,QRF)的用户负荷概率密度组合预测模型,以提高用户负荷预测精度.首先,采用EMD信号处理算法对用户负荷原始时间序列数据进行分解处理,计算各模态函数样本熵值并根据样本熵大小对模态函数进行重构.其次,对重构分量分别建立QRF用户负荷预测模型,叠加不同分量预测结果从而获得预测值的条件分布.最后,利用核密度估计输出任意时刻用户负荷概率密度预测结果.相对于确定性点预测方法,概率密度预测具有描述用户负荷未来可能的波动范围及不确定性等优势,且算例测试验证了模型的有效性. |
|---|---|
| AbstractList | 考虑用户负荷时间序列基数小、波动性与随机性强、难以取得较高预测精度的特点,建立基于经验模式分解(Empirical Mode Decomposition,EMD)与分位数回归森林(Quantile Regression Forest,QRF)的用户负荷概率密度组合预测模型,以提高用户负荷预测精度.首先,采用EMD信号处理算法对用户负荷原始时间序列数据进行分解处理,计算各模态函数样本熵值并根据样本熵大小对模态函数进行重构.其次,对重构分量分别建立QRF用户负荷预测模型,叠加不同分量预测结果从而获得预测值的条件分布.最后,利用核密度估计输出任意时刻用户负荷概率密度预测结果.相对于确定性点预测方法,概率密度预测具有描述用户负荷未来可能的波动范围及不确定性等优势,且算例测试验证了模型的有效性. |
| Author | 杨斌 梁智 曹晓冬 陈宇沁 杨世海 孙国强 |
| AuthorAffiliation | 国网江苏省电力有限公司,江苏 南京,210024%国网江苏省电力有限公司电力科学研究院,江苏 南京,211103%河海大学能源与电气学院,江苏 南京,211100 |
| AuthorAffiliation_xml | – name: 国网江苏省电力有限公司,江苏 南京,210024%国网江苏省电力有限公司电力科学研究院,江苏 南京,211103%河海大学能源与电气学院,江苏 南京,211100 |
| Author_FL | YANG Shihai SUN Guoqiang CAO Xiaodong LIANG Zhi YANG Bin CHEN Yuqin |
| Author_FL_xml | – sequence: 1 fullname: YANG Bin – sequence: 2 fullname: YANG Shihai – sequence: 3 fullname: CAO Xiaodong – sequence: 4 fullname: CHEN Yuqin – sequence: 5 fullname: LIANG Zhi – sequence: 6 fullname: SUN Guoqiang |
| Author_xml | – sequence: 1 fullname: 杨斌 – sequence: 2 fullname: 杨世海 – sequence: 3 fullname: 曹晓冬 – sequence: 4 fullname: 陈宇沁 – sequence: 5 fullname: 梁智 – sequence: 6 fullname: 孙国强 |
| BookMark | eNotjb1KA0EYALeIYIx5AlvbO_fb_y0lJipEREkfdje3klM20UPsJagQTGVlE7AIdjZK4J7Hu4tvYUCLYbqZLVQLo5AgtAM4Bi0V3UtjFy6H8TgbuxgUECxrqA5Csogy4JuomWVDizEFzoXSdRQX8_w7n7VPDqKz8071Oqle3sun5epzvnpelov7avZYfDwU-eLnbVJ-TbfRhjdXWdL8dwP1Ou1e6yjqnh4et_a7UaY1RANlLaXYGcOE9YRKogVOLHdOruFWMSCCaAaQUOaZ4YoIIx0ILqgTntIG2v3L3pngTbjop6Pbm7Ae9tPBNcGgQWAM9Bd8p1Np |
| ContentType | Journal Article |
| Copyright | Copyright © Wanfang Data Co. Ltd. All Rights Reserved. |
| Copyright_xml | – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved. |
| DBID | 2B. 4A8 92I 93N PSX TCJ |
| DOI | 10.19783/j.cnki.pspc.181207 |
| DatabaseName | Wanfang Data Journals - Hong Kong WANFANG Data Centre Wanfang Data Journals 万方数据期刊 - 香港版 China Online Journals (COJ) China Online Journals (COJ) |
| DatabaseTitleList | |
| DeliveryMethod | fulltext_linktorsrc |
| DocumentTitle_FL | Short-term consumer load probability density forecasting based on EMD-QRF |
| EndPage | 7 |
| ExternalDocumentID | jdq201916001 |
| GrantInformation_xml | – fundername: 国家自然科学基金项目资助 funderid: (51507052) |
| GroupedDBID | -03 2B. 4A8 92I 93N ALMA_UNASSIGNED_HOLDINGS CCEZO CEKLB GROUPED_DOAJ PSX TCJ |
| ID | FETCH-LOGICAL-s991-d8bb330caa46bf2372960eb5cc75cc5b8412629411e34f4a5826a7c16563c6f33 |
| ISSN | 1674-3415 |
| IngestDate | Thu May 29 04:03:03 EDT 2025 |
| IsPeerReviewed | true |
| IsScholarly | true |
| Issue | 16 |
| Keywords | 分位数回归森林 用户负荷 概率密度预测 经验模式分解 核密度估计 |
| Language | Chinese |
| LinkModel | OpenURL |
| MergedId | FETCHMERGED-LOGICAL-s991-d8bb330caa46bf2372960eb5cc75cc5b8412629411e34f4a5826a7c16563c6f33 |
| PageCount | 7 |
| ParticipantIDs | wanfang_journals_jdq201916001 |
| PublicationCentury | 2000 |
| PublicationDate | 2019-08-16 |
| PublicationDateYYYYMMDD | 2019-08-16 |
| PublicationDate_xml | – month: 08 year: 2019 text: 2019-08-16 day: 16 |
| PublicationDecade | 2010 |
| PublicationTitle | 电力系统保护与控制 |
| PublicationTitle_FL | Power System Protection and Control |
| PublicationYear | 2019 |
| Publisher | 国网江苏省电力有限公司,江苏 南京,210024%国网江苏省电力有限公司电力科学研究院,江苏 南京,211103%河海大学能源与电气学院,江苏 南京,211100 |
| Publisher_xml | – name: 国网江苏省电力有限公司,江苏 南京,210024%国网江苏省电力有限公司电力科学研究院,江苏 南京,211103%河海大学能源与电气学院,江苏 南京,211100 |
| SSID | ssib003155689 ssib023166999 ssib002424069 ssj0002912115 ssib051374514 ssib036435463 |
| Score | 2.2568166 |
| Snippet | 考虑用户负荷时间序列基数小、波动性与随机性强、难以取得较高预测精度的特点,建立基于经验模式分解(Empirical Mode Decomposition,EMD)与分位数回归森林(Quantile Regression... |
| SourceID | wanfang |
| SourceType | Aggregation Database |
| StartPage | 1 |
| Title | 基于EMD-QRF的用户负荷概率密度预测 |
| URI | https://d.wanfangdata.com.cn/periodical/jdq201916001 |
| Volume | 47 |
| hasFullText | 1 |
| inHoldings | 1 |
| isFullTextHit | |
| isPrint | |
| link | http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwvV29b9QwFI9KWVgQCBBfRR3whHJcbMcfY3KXU4VUJFCRulWJm_AlXQttl46oAiREJyaWSgwVGwuoUv8WRq4t_wXvvbhpoCdBOzBc9O49-33kZ9nPlu0EwW0nrCm5LUKrbRVKADYseCRDzRdloUsY0TQecJ69r2YeyXvz8fzE5PfWrqW11aLj1seeKzkNqsADXPGU7AmQbZQCA2jAF56AMDz_CWOWxcwOWJqwTOLTZNlsP3zwcMAyzSz8l0RIlhiWKWYMSzXL4CmxGhCmTxzFEpByLGwyZjTqTQbMKCRAL0gzyxJOChVLY2bSdlbrrQAfypuE2RQ5qWBpTaRkDgoMmO2TJ6BTEsegReRkLCG76GSzWogSqFG7b6FUb4yEtICw9izVvxVJWWqJsMwK0g_BtrRYlIBNjLgOHbRAoFF7OQRPYJmwPq1JDZhePKjuU3h9ZiOqFx2-1pSZGoMeaBr3dhSJrLdvuyQCF3pEDDAi3juu8w6JwZ72iEMF3uN4wa1kPP4fbo2FGqBDW1CyT40FOF0shoQFPL1CaEEniQpyRkFRESTQnA4RJkvSNxhvEnQJilyhBnS9aV2NxyCq3WpqndKtbmssV1qGkKTF7cG-vt71sFNrD91RKwfUY5MLXCWl7MINnz_tLK8suw7mx_VXm_-4tf3Z4gtsnRHOJ84EZ7nW9SYSv-Djk2M8dt4aXfE2wOY_TLyUskeLBQLmDu1vV8SR0DL2eyAw7-QWr2vEPdtN5P6aNXT87nG36ZzisMqHj1sp9dyF4LyfC08ndcd2MZhYf3Ip6Iy2dn_sbvqObP_jxv6Hz3tvdw6-bh2839nbfrW_-Wb05fVod_vnp429b-8uB3ODbK43E_qPuoQruMly0RSFEF2X51IVFcdNA6pbFrFzGn5xYWTEFbcyikohK5nHhqtcO7wjTDhVCXElmBwuDcurwXRU5JUoXeW4K6VRUQ7DihOlhikVTIOr4low5cNb8H32ykIblut_kd8Izh11MDeDydWXa-UUzEBWi1sE5C_1zMok |
| linkProvider | Directory of Open Access Journals |
| openUrl | ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8EEMD-QRF%E7%9A%84%E7%94%A8%E6%88%B7%E8%B4%9F%E8%8D%B7%E6%A6%82%E7%8E%87%E5%AF%86%E5%BA%A6%E9%A2%84%E6%B5%8B&rft.jtitle=%E7%94%B5%E5%8A%9B%E7%B3%BB%E7%BB%9F%E4%BF%9D%E6%8A%A4%E4%B8%8E%E6%8E%A7%E5%88%B6&rft.au=%E6%9D%A8%E6%96%8C&rft.au=%E6%9D%A8%E4%B8%96%E6%B5%B7&rft.au=%E6%9B%B9%E6%99%93%E5%86%AC&rft.au=%E9%99%88%E5%AE%87%E6%B2%81&rft.date=2019-08-16&rft.pub=%E5%9B%BD%E7%BD%91%E6%B1%9F%E8%8B%8F%E7%9C%81%E7%94%B5%E5%8A%9B%E6%9C%89%E9%99%90%E5%85%AC%E5%8F%B8%2C%E6%B1%9F%E8%8B%8F+%E5%8D%97%E4%BA%AC%2C210024%25%E5%9B%BD%E7%BD%91%E6%B1%9F%E8%8B%8F%E7%9C%81%E7%94%B5%E5%8A%9B%E6%9C%89%E9%99%90%E5%85%AC%E5%8F%B8%E7%94%B5%E5%8A%9B%E7%A7%91%E5%AD%A6%E7%A0%94%E7%A9%B6%E9%99%A2%2C%E6%B1%9F%E8%8B%8F+%E5%8D%97%E4%BA%AC%2C211103%25%E6%B2%B3%E6%B5%B7%E5%A4%A7%E5%AD%A6%E8%83%BD%E6%BA%90%E4%B8%8E%E7%94%B5%E6%B0%94%E5%AD%A6%E9%99%A2%2C%E6%B1%9F%E8%8B%8F+%E5%8D%97%E4%BA%AC%2C211100&rft.issn=1674-3415&rft.volume=47&rft.issue=16&rft.spage=1&rft.epage=7&rft_id=info:doi/10.19783%2Fj.cnki.pspc.181207&rft.externalDocID=jdq201916001 |
| thumbnail_s | http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fjdq%2Fjdq.jpg |