首页|基于恐惧指数的疫情影响下短期电力负荷预测方法

基于恐惧指数的疫情影响下短期电力负荷预测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
突如其来的新型冠状病毒肺炎(COVID-19)疫情给电力负荷造成了严重的影响,为了有效应对疫情带来的影响,提高疫情影响下的短期负荷预测精度,提出了一种基于恐惧指数(FI)的疫情影响下短期电力负荷预测方法.利用疫情数据构建FI,与时间信息、历史负荷、气象条件一起作为广义回归神经网络(GRNN)模型的输入变量,用果蝇优化算法(FOA)对GRNN平滑因子进行优化,提高预测结果的准确度和稳定性,使用构建的预测模型进行预测.算例结果表明,该方法能有效提高疫情影响下短期负荷预测的精度,为重大灾难影响下的短期负荷预测提供参考与借鉴.
Short-Term Power Load Forecasting Method Based on FI under the Impact of Epidemic

程志友、章杨凡

展开 >

教育部电能质量工程研究中心,安徽,合肥230601

安徽大学电子信息工程学院,安徽,合肥230601

COVID-19疫情 短期负荷预测 恐惧指数 广义回归神经网络 果蝇优化算法

6167203218030901018

2021

10.15918/j.tbit1001-0645.2020.200

北京理工大学学报
北京理工大学

北京理工大学学报

CSTPCDCSCD北大核心
影响因子：0.609
ISSN：1001-0645
年,卷(期)：2021.41(9)
  • 1
  • 12