基于内核时变回归模型的电能预测分析与研究

为实现“双碳”发展目标和满足新型电力系统应用需求,亟需对用电进行精准预测。为了应对周期长、变化幅度大的数据,将KTR模型应用于电能负荷预测的实际场景中。该模型在时变系数回归的方法上进行改进,能够应对较长的时间序列,避免出现过拟合的情况;以及根据不同数据变化情况自适应地使用不同的核函数,保证模型学习与数据特征匹配。实验结果表明,使用通过最佳参数构建的KTR模型进行预测,其总体的电能负荷数据预测值和原始值的SMAPE为8.46%。此外,将文中方法与Prophet和SARIMA模型预测结果进行了对比,结果表明,文中方法的预测精度比另外两种模型分别高2.57%和9.23%,验证了该方法电能预测的准确性。