| 摘要: |
| 针对基于传统算法的电力负荷预测方法误差大的问题，本文提出一种基于高斯过程回归的负荷预测算法。算法首先利用电量数据当作高斯过程回归的学习样本，并构建电力负荷预测模型，然后采用遗传算法对超参数进行优化，避免用共轭梯度法优化超参数的缺点。最后，利用测试集对该模型性能进行实验测试。基于某地区的电网数据的仿真显示，基于高斯过程回归的负荷预测算法比神经网络和支撑向量机算法的预测精度更高。 |
| 关键词: 电力负荷预测 高斯过程回归 遗传算法 归一化 |
| DOI： |
|
| 基金项目: |
|
|
|
| () |
| Abstract: |
|
| Key words: |