自适应CKF算法在智能电网短期负荷预测中的应用
短期负荷预测在电力系统运行中起着非常重要的作用。由于智能电网的负荷变化存在着较强的不确定性和非线性特征，普通的卡尔曼滤波算法应用于短期负荷预测往往精度不高，效果不甚理想。本文针对这一问题，将噪声估计器引入到近年来最新提出的容积卡尔曼滤波(CKF)中形成自适应容积卡尔曼滤波算法(ACKF)，并将其与该双线性模型巧妙结合，把过去前一天的日负荷和过去上一周同一天的日负荷作为模型输入信号和模型输出信号，实现对智能电网短期负荷的预测。最后，以欧洲智能技术网络(ENUNITE)竞赛数据为样本，通过仿真验证了该种方法在智能电网短期负荷预测领域的有效性和实用性，并与CKF和传统UKF算法相比具有更高的的预测精度和广泛的实用价值。
智能电网 负荷预测 短期预测 双线性模型 噪声估计器 无迹卡尔曼滤波 容积卡尔曼滤波 自适应容积卡尔曼滤波
李尧 何星 张卫东
上海交通大学自动化系,信息处理与先进控制实验室,上海200240
国际会议
The 33th Chinese Control Conference第33届中国控制会议
南京
中文
8145-8149
2014-07-28（万方平台首次上网日期，不代表论文的发表时间）