上海电网需求侧负荷模式的组合识别模型

被引：28

作者：

赵岩 ^{[1
]}

李磊 ^{[1
]}

刘俊勇 ^{[2
]}

刘友波 ^{[2
]}

胥威汀 ^{[2
]}

侯贺飞 ^{[2
]}

姚珺玉 ^{[2
]}

机构：

[1] 上海市电力公司

[2] 四川大学电气信息学院

来源：

电网技术 | 2010年 / 34卷 / 01期

关键词：

上海电网; 自组织映射网络; 负荷模式; 负荷特性; 组合识别模型; 数据挖掘;

D O I：

10.13335/j.1000-3673.pst.2010.01.013

中图分类号：

TM714 [负荷分析];

学科分类号：

摘要：

区别于传统按行业分类的需求侧负荷分析方法,利用自组织映射神经网络、K-means、模糊C均值、ID3决策树等数学工具构建了基于聚类、分类技术与决策树结构分析的负荷模式组合识别模型,并对上海电网需求侧负荷进行了特征指标计算、类别判断与挖掘、聚类评判、分类知识解释等综合分析。根据上海电网14个行业357个用户的日负荷数据集进行算例分析,指出了上海电网需求侧负荷类型、行业分布、关键指标等模式特点,验证了该模型的正确性、有效性与工程适用性。

引用

页码：145 / 151

页数：7

共 9 条

[1] 用于负荷预测的层次聚类和双向夹逼结合的多层次聚类法
贾慧敏
何光宇
方朝雄
李可文
姚宇臻
黄妹妹
[J]. 电网技术, 2007, (23) : 33 - 36
[2] 基于数据挖掘多层次细节分解的负荷序列聚类分析
张智晟
孙雅明
张世英
赵艳
[J]. 电网技术, 2006, (02) : 51 - 56
[3] 基于模糊聚类的电力负荷特性的分类与综合
李培强
李欣然
陈辉华
唐外文
[J]. 中国电机工程学报, 2005, (24) : 73 - 78
[4] 基于电力负荷模式分类的短期电力负荷预测
冯丽
邱家驹
[J]. 电网技术, 2005, (04) : 23 - 26+40
[5] 基于最大负荷预测的地区电网静态安全分析
侯汝锋
蔡泽祥
尹亮
王昌照
马捷然
[J]. 电网技术, 2004, (23) : 38 - 42
[6] 用户分类电价决策方法的研究
黄永皓
康重庆
夏清
都百青
孟远景
何南强
尚金成
胡左浩
[J]. 中国电力, 2004, (01) : 28 - 32
[7] Load Profiling for Retail Choice[J] . Jeffrey Bailey.The Electricity Journal . 2000 (10)
[8] Induction of decision trees[J] . J. R. Quinlan.Machine Learning . 1986 (1)
[9] SELF-ORGANIZED FORMATION OF TOPOLOGICALLY CORRECT FEATURE MAPS
KOHONEN, T
[J]. BIOLOGICAL CYBERNETICS, 1982, 43 (01) : 59 - 69

← 1 →