基于神经网络的虚拟电厂辅助调峰成本预测方法

摘要

准确预测虚拟电厂辅助调峰成本,可以为制定合理的成本策略、运营管理策略提供依据,达到增强其经济性与市场竞争力的目的。为此,提出基于神经网络的虚拟电厂辅助调峰成本预测方法。分析虚拟电厂辅助调峰成本构成,构建原始数据样本。建立基于主成分分析嵌入式反向神经网络(principal component analysis-ensemble back propagation,PCA-EBP)的虚拟电厂辅助调峰成本预测模型,利用主成分分析(principal components analysis,PCA)方法去除原始样本中重叠信息,获取有效主成分,重新构建数据样本;将单独的反向传播(back propagation,BP)神经网络视作弱预测器,在Adaboost集成框架下,集成多个BP神经网络,构建预测能力更强的嵌入式反向传播算法(ensemble back propagation,EBP)神经网络,将获得的新数据样本作为EBP神经网络的输入,其输出的结果即为虚拟电厂辅助调峰成本预测结果。实验表明,该方法可以精准预测出虚拟电厂辅助调峰成本,在AUC方面有着较好的表现。

关键词

神经网络 / 虚拟电厂 / 辅助调峰 / 成本预测 / 主成分分析 / 集成学习