基于加性分位数GB算法的智能电能表数据不确定性预测

文档名：基于加性分位数GB算法的智能电能表数据不确定性预测
摘要：与传统电力数据相比,智能电能表数据波动性更大,可预测性更低.能源行业需对智能电能表数据进行概率预测,以量化未来电力需求的不确定性,以便对发电和配电进行合理规划.文章提出了一种用梯度提升算法估计智能电能表数据未来分布的加性分位数回归模型.所提方法提出了电能表数据概率预测的分位数回归及分位数修正算法.基于分位数算法给出了综合考虑外部影响因素的加性分位数的GB算法,并研究了该基于梯度提升算法的智能电能表数据概率预测加性分位数模型的关键性能参数选择,从而建立起了高性能的智能电能表数据概率预测模型;通过算例分析证明了该方法在综合和单个用户智能电能表数据概率预测中的准确性和有效性,尤其是在单个用户电能表数据概率预测方面具有远超其他算法的优越性能.

作者：李兵  李翀  韩桂楠Author：LiBing  LiChong  HanGuinan
作者单位：国网河北省电力有限公司营销服务中心,石家庄050000
刊名：电测与仪表 ISTICPKU
Journal：ElectricalMeasurement&Instrumentation
年，卷(期)：2023, 60(7)
分类号：TM933
关键词：概率预测  智能电能表  分位数回归  梯度增强  
Keywords：probabilityprediction  smartmeter  quantileregression  gradientboosting  
机标分类号：U293.13P208TM614
在线出版日期：2023年7月31日
基金项目：基于加性分位数GB算法的智能电能表数据不确定性预测[
期刊论文]  电测与仪表--2023, 60(7)李兵  李翀  韩桂楠与传统电力数据相比,智能电能表数据波动性更大,可预测性更低.能源行业需对智能电能表数据进行概率预测,以量化未来电力需求的不确定性,以便对发电和配电进行合理规划.文章提出了一种用梯度提升算法估计智能电能表数据未...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

        基于加性分位数GB算法的智能电能表数据不确定性预测  Uncertainty prediction of smart meter data based on gradient boosting algorithm of additive quantiles

基于加性分位数GB算法的智能电能表数据不确定性预测.pdf

2024-12-14 11:29 上传 基于加性分位数GB算法的智能电能表数据不确定性预测.pdf

文件大小:

21.88 MB

下载次数:

60

高速下载