基于数据特征挖掘的电采暖小区短期负荷预测方法

由于电采暖负荷随机波动性强,且功率比重较大,从而导致电采暖小区负荷较频繁地大范围波动,基于常规时间序列的短期负荷预测模型缺乏对波动特性的捕捉能力。针对该问题,充分分析了电采暖小区负荷的波动特征,提出了一种基于历史数据特征挖掘的指标集模型和指标计算方法,用于从历史负荷数据中充分挖掘电采暖负荷的特点,形成历史数据特征集。然后,以历史数据特征集构建训练样本,提出了基于核函数极限学习机(kernel extreme learning machine,KELM)的电采暖小区负荷预测模型。最后,基于实际历史数据进行模型性能验证,结果表明所提的特征指标集模型能够有效挖掘历史数据特征,有利于提高短期负荷预测模型的精度。