基于显著性影响因素筛选和PKO-RBF的电量预测研究
周颖1
白雪峰1
王永利2
钱晓瑞3
张嘉埔1
李一鸣2
韦于思1
1.需求侧多能互补优化与供需互动技术北京市重点实验室(中国电力科学研究院有限公司),北京 1001922.华北电力大学经济与管理学院,北京 1022063.国网福建省电力有限公司营销服务中心,福建 福州 350011
摘要：近年来气候变化的影响和用电量变化的不规律性,对用电量预测提出更高要求,传统的预测方法无法取得理想的预测效果.为有效捕捉时间序列数据的关键特征、提升用电量预测精度,提出一种基于显著性影响因素筛选和斑翠鸟优化算法-径向基神经网络的电量预测方法.首先,基于阿尔蒙多项式与耦合度模型对影响因素进行数据修正;然后,通过综合4种相关性系数初步确定显著性影响因素集合;最后,将显著性影响因素修正数据作为输入,通过PKO优化RBF超参数,进行RBF神经网络预测.算例分析表明所提出的预测模型具有较高的预测精度,为电量预测方法提供了新的思路.
关键词：时滞效应耦合效应阿尔蒙多项式模型相关性分析关键影响因素筛选RBF神经网络
分类号：F416.21(世界工业经济)
资助基金：国网级科技项目(5400-202321572A-3-2-ZN)
论文发表日期：2025-08-28
在线出版日期：2025-09-29（本平台首次上网日期，不代表文献的发表时间）
页数：7( 169-175 )
英文信息