基于信息论与混合聚类分析的短期负荷预测方法研究

被引：13

作者：

谢真桢 ^{[1
]}

杨秀 ^{[1
]}

张鹏 ^{[2
]}

徐磊 ^{[1
]}

机构：

[1] 上海电力学院电气工程学院

[2] 国网上海市电力公司电力科学研究院

来源：

电测与仪表 | 2017年 / 54卷 / 19期

关键词：

短期负荷预测; 信息论; 聚类分析; 支持向量机; 关联因素选择;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化];

摘要：

短期负荷预测中,影响用电量的因素众多,传统方法在其中作选择时,仅考虑每个因素与负荷的相关性,不考虑因素之间也存在相关性,造成选取的因素组合中存在相关性冗余和重叠。其次,传统聚类分析中,欧氏距离不能很好的度量负荷曲线形态上的相似性。因此,首先通过欧氏距离与余弦相似度混合度量,对负荷特性曲线聚类。然后,用信息论方法在9种影响因素中选取最优的组合,考虑了影响因素相互之间的相关性。最后,将与待预测用户同类的用户的负荷及其关联因素数据作为训练样本,建立支持向量机预测模型。通过对上海某地实际样本数据的分析,证明该方法预测结果平均相对误差为1.46%,相对误差控制在1%以内的概率达到72.72%,具有较好的实用性。

引用

页码：67 / 72

页数：6

共 8 条

[1]

特征选择的信息论算法研究 [D].