10.15918/j.tbit1001-0645.2020.200
基于恐惧指数的疫情影响下短期电力负荷预测方法
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.
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
41
TM715(输配电工程、电力网及电力系统)
国家自然科学基金资助项目;安徽省科技重大专项
2021-10-28（万方平台首次上网日期，不代表论文的发表时间）
共9页
961-969
