基于经验 Copula 的配电系统概率负荷预测

随着系统中间歇性资源占比的增加，准确可靠的电力负荷预测变得愈发重要。配电系统运营商（DSO）需要准确预测其生产与消费，以在日前市场中提交最优报价。预测必须考虑影响电力生产与消费的天气参数波动性。若 DSO 负荷较小或需要更低粒度的预测，参数统计方法可能因依赖待预测变量的先验统计分布而无法提供可靠性能。本文提出一种基于经验 Copula（EC）的概率负荷预测（PLF）方法。该模型为数据驱动，无需对变量作参数分布的先验假设，也无需依赖结构（copula）的先验假设。它采用在单位超立方体上具有有界支撑的 beta 核来估计底层分布核密度。该方法自然支持分布差异很大的变量，如天气数据（含预测值）与历史电力消费，并为预测中每个时间步生成条件概率分布，从而可推断感兴趣的分位数。所提出的非参数方法与以往基于 copula 的预测方法显著不同，后者通常用 copula 建模层次依赖。beta 核密度估计器的带宽通过积分平方误差（ISE）优化。我们基于一个公开数据集展示结果，并使用标准概率评估指标相较分位数回归（QR）彰显模型优势。