基于数据驱动理念的电力日负荷曲线预测方法研究

被引：24

作者：

陆海 ^{[1
]}

罗凤章 ^{[2
]}

杨欣 ^{[2
]}

罗恩博 ^{[1
]}

李耀华 ^{[3
]}

郝珺南 ^{[1
]}

机构：

[1] 云南电网有限责任公司电力科学研究院

[2] 天津大学智能电网教育部重点实验室

[3] 云南电网有限责任公司大理供电局

来源：

电力系统及其自动化学报 | 2020年 / 32卷 / 01期

基金：

天津市自然科学基金; 国家重点研发计划;

关键词：

负荷特征; 负荷预测; 聚类分析; 关联分析; 分类规则;

D O I：

10.19635/j.cnki.csu-epsa.000355

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：

针对短期日负荷预测的精度问题,本文提出一种基于数据驱动理念的电力负荷预测方法。在建立预测模型前对所给数据采取一定的预处理:首先提取所收集的海量数据的负荷特征,对负荷特征进行分析,然后进行负荷数据与影响负荷值的因素之间的相关性分析,以此确定对负荷影响较密切的因素,随后建立分类器得到各主要影响因素与各负荷类别之间的关系为后续预测模型奠定基础。对预处理后得到的不同类型的负荷数据采用最小二乘支持向量机方法建立不同的负荷预测模型。以南方某发达城市2008年的负荷数据作为算例验证数据,将本文所提负荷预测方法所得结果与未经数据预处理的负荷预测方法所得结果进行比较,结果表明本文提出的方法得到的预测结果精度较传统方法提高约6%。

引用

页码：42 / 49

页数：8

共 16 条

[1]

基于混沌理论和支持向量机的短期电力负荷预测 [D].