论文部分内容阅读
利用高斯过程回归模型描述不同时间尺度下负荷序列的基本演化趋势、强波动和随机噪声水平。对历史负荷数据进行可视化分析,挖掘整理出不同时间尺度下的历史负荷数据,与气候数据一起作为特征数据。采用模糊聚类算法对整理出的特征数据进行筛选,消除冗余信息,构造出紧凑有效的最优特征集。将历史负荷数据代入高斯过程回归模型进行训练,并利用实际电力数据对模型进行了测试,验证了所提出模型具有较高的预测精度与鲁棒性。