梯度采样下的市场用电短期能耗优化预测仿真_高迪.pdf
《梯度采样下的市场用电短期能耗优化预测仿真_高迪.pdf》由会员分享,可在线阅读,更多相关《梯度采样下的市场用电短期能耗优化预测仿真_高迪.pdf(5页珍藏版)》请在咨信网上搜索。
1、第 41 卷,总第 237 期2023 年 1 月,第 1 期 节 能 技 术 ENEGY CONSEVATION TECHNOLOGYVol.41,Sum.No.237Jan 2023,No.1梯度采样下的市场用电短期能耗优化预测仿真高迪1,梁东1,王骏1,杨峰1,王艺霏2,陆鑫3(1 国网冀北电力有限公司,北京100052;2 国网冀北电力有限公司信息通信分公司,北京100053;3 国网信通亿力科技有限责任公司,福建福州350003)摘要:为了提高市场用电短期能耗预测正确率,降低二次规划与用电能耗,提出梯度采样下的市场用电短期能耗优化预测方法。根据最小二乘支持向量机回归算法,将湿度、气温
2、、气压、节假日变量作为输入,构建市场用电短期能耗预测模型,依据梯度采样序列二次规划方法优化用电能耗预测模型参数,进行了梯度采样序列二次规划,逐步优化求解 LS SVM 模型目标函数,完成市场用电短期能耗优化预测。实验结果表明:湿度、温度、气压、节假日因素对用电能耗产生影响,采样数量越大,优化性能越好,且能耗预测误差小。实现市场短期用电能耗的预测,预测准确度高,预测能力突出。关键词:梯度采样;用电短期能耗;优化预测;最小二乘支持向量机回归算法;预测模型;二次规划中图分类号:TP391文献标识码:A文章编号:1002 6339(2023)01 0068 05收稿日期2022 06 20修订稿日期2
3、022 08 10作者简介:高迪(1985 ),女,硕士,高级工程师,从事电力数据管理与分析应用专业。Optimal Prediction and Simulation of Short term Energy Consumptionof Market Electricity under Gradient SamplingGAO Di1,LIANG Dong1,WANG Jun1,YANG Feng1,WANG Yi fei2,LU Xin3(1 State Grid Jibei Electric Power Company Limitied,Beijing 100052,China;2 St
4、ate Grid Jibei Information Telecommunication Company,Beijing 100053,China;3 State Grid Info Telecom Great Power Science and Technology Co,Ltd,Fuzhou 350003,China)Abstract:In order to improve the accuracy of short term energy consumption prediction in the marketand reduce the secondary planning and e
5、nergy consumption,an optimization prediction method of short term energy consumption in the market under gradient sampling is proposed According to the leastsquares support vector machine regression algorithm,humidity,air temperature,air pressure and holidayvariables are used as inputs to build a sh
6、ort term energy consumption prediction model for market elec-tricity Based on the gradient sampling sequence quadratic programming method,the parameters of the e-lectricity consumption prediction model are optimized The gradient sampling sequence quadratic pro-gramming is carried out,and the LS SVM
7、model objective function is gradually optimized to completethe short term energy consumption optimization prediction for market electricity The experimental re-sults show that humidity,temperature,air pressure and holidays have an impact on power consumptionThe larger the number of samples is,the be
8、tter the optimization performance is,and the prediction error86of energy consumption is small ealize the prediction of short term power consumption in the market,with high prediction accuracy and outstanding prediction abilityKey words:gradient sampling;short term power consumption;optimize predicti
9、on;least squares supportvector machine regression algorithm;prediction model;quadratic programming0引言我国能源耗用量巨大,各市场区域因人口稠密性、所处位置信息等方面的不同,其用电能耗表现出不同的水平。对各市场区域的用电能耗进行精准预测是电力企业实现电力合理调度的前提条件。用电能耗预测是智慧电网核心工作之一,可有效改善电能利用率。彭文等1 提出基于 Attention LSTM 的负荷预测方法,该方法先对历史、当下负荷及电价的变化关系进行分析,在此基础上构建负荷预测模型,并通过 Attention
10、 机制对影响负荷预测结果的重要参量进行强化。但该方法可达到较好的预测效果,但收敛速度较慢;丁飞鸿等2 提出利用遗传优化决策树模型对其进行改进,以提升模型预测准确度,但该方法效果不够突出。国外研究重点主要集中于能源消耗控制与政策制定方面,如euterMatthias 等3 分析能源使用总量的变化分为活动水平、社会因素和能源效率收益,识别能源效率政策对中观分析观察到的变化的贡献,自上而下的将实际能源效率指标与政策评估联系起来。SathishkumarVE 等4 分析了具有径向基核的支持向量机,一般线性回归等问题,使用基于物联网的系统收集能耗数据并用于预测,优化智能城市的能源消耗和政策制定。对能耗优
11、化预测的研究内容较少。梯度采样的基本原理是通过搜索确定迭代点的邻域,从中任意选择若干采样点,求解其梯度,获取梯度凸包实现次梯度的拟合,再在原点至凸包的下降方向上进行搜索解决凸二次规划问题。因此,本文提出梯度采样下的市场用电短期能耗优化预测方法,提升其短期用电能耗预测的准确度。1市场用电短期能耗优化预测1 1LS SVM支持向量机(SVM)算法的设计初衷即是实现模式识别问题的求解,同时该方法在回归问题的解决上也具有一定成效,其核心是对具有线性约束的凸二次规划问题的求解。(x1,y1),(x2,y2),(xn,yn),xi,yi 表示已知训练样本数据集合,其回归函数可利用下式进行描述f(x)=LT
12、x+b(1)其中:参数表示为 L,偏置量表示为 b。基于最低结构风险准则,可通过规划问题对其求解过程进行描述minJ(L,b,*)=LTL2+C(+*)(2)s ty (LTx+b)+LTx (b+y)+*,*0(3)其中:松弛变量表示为、*,b=bAn,其中 An代表列向量,其内各元素均是 1,n 为其长度。不同于 SVM 算法,最小二乘支撑向量机回归算法(LS SVM)则用等式约束对公式(3)的不等式约束进行替换,以降低运算复杂度,此时,对应的优化目标则用下式进行描述minJ(L,b,)=LTL+T2(4)s ty (LTx+b)=(5)根据拉格朗日对偶性原理,本文通过将其变换为对偶问题以
13、实现该问题的解决。拉格朗日函数的描述公式为L(L,b)=J(L,b,)+y (LTx+b)(6)其中:拉格朗日乘子表示为。在满足 KKT 条件的情况下,分别计算 L、b的偏导数,令各式等于 0,确定此时的最佳值,由此可确定的矩阵方程为0ATnAn+1Ib=0 y(7)其中:=(xi,yTj),i,j=1,2,n,矩阵 I 阶数为 n。利用非线性函数 实现低维空间原始数据的映射,将其投影于高维特征空间,完成回归问题的求解5。k(xi,yj)=(xi)(xj),i,j=1,2,n 为核函数表达式。核函数的选择决定了市场用电短期能耗优化预测模型的预测性能的优劣6,本文选取高斯径向基核函数,映射公式用
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 梯度 采样 市场 用电 短期 能耗 优化 预测 仿真
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。