摘要: 利用神经网络分位数回归获得预测当天在不同分位点上的电力负荷预测值，将 Epanechnikov 核函数 与不同的最优窗宽选择方法相组合，得到中期电力负荷概率密度估计函数以及在所有分位点上连续的概率 密度曲线图。 此外，通过选取概率密度曲线峰值处的点预测值，比较不同窗宽组合方法。 相对于传统高斯核 密度估计方法的组合方式，Epanechnikov 核函数的组合方式较优。 最后将获得的最优方法与现有的预测方法 进行对比，结果表明通过选取最优窗宽可以提高预测精度，更好地反映中期电力负荷的波动性。