基于样本扩展和特征标记的节假日短期负荷预测

被引：15

作者：

张乔榆 ^{[1
]}

蔡秋娜 ^{[1
]}

刘思捷 ^{[1
]}

闫斌杰 ^{[1
]}

苏炳洪 ^{[1
]}

易江文 ^{[2
]}

杨杉 ^{[2
]}

机构：

[1] 广东电网有限责任公司电力调度控制中心

[2] 北京清能互联科技有限公司

来源：

广东电力 | 2019年 / 32卷 / 07期

关键词：

节假日短期负荷预测; 样本扩展; 特征标记; 支持向量机;

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：

针对目前节假日负荷预测中有效样本缺乏的问题,基于休息日与节假日负荷特性的相似性分析,提出一种扩展样本策略,以丰富基础样本数据量;探讨了对负荷样本节假日特征属性的标记方式,并构建了一种有效的相关因素矢量;最后结合支持向量机(support vector machine,SVM)算法,对节假日负荷进行预测,以提高其预测结果的精度。算例结果表明,与传统方法相比,所提方法能够有效提高负荷预测精度,可推广应用于实践中。

引用

页码：67 / 74

页数：8

共 21 条

[1]

基于CNN-LSTM混合神经网络模型的短期负荷预测方法 [J].