基于小波去噪和决策树的个性化大用户负荷预测

被引：14

作者：

罗敏 ^{[1
]}

程将南 ^{[2
]}

王毅 ^{[2
]}

林国营 ^{[1
]}

朱文俊 ^{[3
]}

阙华坤 ^{[3
]}

机构：

[1] 广东电网有限责任公司电力科学研究院

[2] 清华大学电机工程与应用电子技术系

[3] 广东电网有限责任公司

来源：

南方电网技术 | 2016年 / 10卷 / 10期

关键词：

大用户; 负荷预测; 小波去噪; 决策树; 模式挖掘;

D O I：

10.13648/j.cnki.issn1674-0629.2016.10.006

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

把握用户的用电规律并对用户未来的用电进行精准的预测对于开展需求响应、提高电网运行效率等具有重要意义。首先对大用户负荷特性进行了分析,指出大用户负荷具有量大面广、个性不一、近大远小、波动显著以及周期失灵等特性。然后针对这些特性,提出了一种基于小波去噪和决策树的个性化模式挖掘预测方法,能够挖掘大用户历史负荷数据进行模式提取,对不同用电模式的大用户分别进行个性化负荷预测。对某省50个典型大用户的算例分析结果表明该方法的准确性较其他常用预测方法更高。

引用

页码：37 / 42

页数：6

共 8 条

[1] 智能配用电大数据需求分析与应用研究 [J].

王继业 ;

季知祥 ;

史梦洁 ;

黄复鹏 ;

朱朝阳 ;

张东霞 .

中国电机工程学报, 2015, 35 (08) :1829-1836

[2] 大用户电力负荷的多模型模糊综合预测 [J].

谷云东 ;

张素杰 ;

冯君淑 .

电工技术学报, 2015, 30 (23) :110-115

[3]

Household energy consumption segmentation using hourly data. J.Kwac,J.Flora,R.Rajagopal. IEEE Transactions on Smart Grid . 2014

[4]

A sparse coding approach to household electricity demand forecasting in smart grids. YU C N,MIROWSKI P,TIN K H. IEEE Transactions on Smart Grid . 2016

[5]

大用户负荷预测方法研究及其应用[D]. 许甜田.湖南大学 2013

[6] 大用户负荷预测管理系统 [J].