基于TCN和高斯過程殘差建模學(xué)習(xí)的凈負荷概率預(yù)測方法

打開文本圖片集

摘 要：提出一種基于時間卷積神經(jīng)網(wǎng)絡(luò)（TCN）和高斯過程（GP）的凈負荷預(yù)測方法，可提供精確的點預(yù)測和概率預(yù)測結(jié)果。首先，TCN被用來提取大量的歷史數(shù)據(jù)中凈負荷的變化規(guī)律，TCN優(yōu)秀的時間序列建模能力可發(fā)現(xiàn)凈負荷預(yù)測任務(wù)輸入輸出之間的復(fù)雜映射關(guān)系。然后，為高斯過程設(shè)計一個復(fù)合核函數(shù)對TCN的預(yù)測殘差進行建模學(xué)習(xí)，該過程可在TCN預(yù)測的基礎(chǔ)上進一步提升點預(yù)測的精度，同時也可利用高斯過程的不確定性量化能力對凈負荷預(yù)測的不確定性進行量化。（剩余15519字）