基于Softmax概率分类器的数据驱动空间负荷预测

被引：24

作者：

郑伟民 ^{[1
]}

叶承晋 ^{[2
]}

张曼颖 ^{[1
]}

王蕾 ^{[1
]}

孙可 ^{[1
]}

丁一 ^{[2
]}

机构：

[1] 国网浙江省电力有限公司

[2] 浙江大学电气工程学院

来源：

电力系统自动化 | 2019年 / 43卷 / 09期

基金：

中国博士后科学基金;

关键词：

空间负荷预测; 数据挖掘; 地块; Softmax概率分类器; 负荷曲线;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

提出了一种数据驱动空间负荷预测方法。将网格化体系下的功能地块作为空间负荷预测的基本单元,并且通过多维指标体系进行属性描述。基于大量调研数据,通过数据挖掘方法对不同类型地块的空间负荷密度分布规律和负荷曲线典型形态进行提取。建立Softmax多元概率分类模型对未知地块的负荷水平类型进行匹配。自下而上对相邻地块负荷预测结果进行时域叠加,得到更大区域的预测信息,包括其负荷量和预测负荷曲线。算例仿真结果表明提出的空间负荷预测方法在预测精度上有一定提升。

引用

页码：117 / 124

页数：8

共 13 条

[11]

A data driven multi-state model for distribution system flexible planning utilizing hierarchical parallel computing[J] . Chengjin Ye,Yi Ding,Yonghua Song,Zhenzhi Lin,Lei Wang.Applied Energy . 2018

[12]

Data-driven Urban Energy Simulation (DUE-S): A framework for integrating engineering simulation and machine learning methods in a multi-scale urban energy modeling workflow[J] . Alex Nutkiewicz,Zheng Yang,Rishee K. Jain.Applied Energy . 2018

[13]

Economic assessment of photovoltaic battery systems based on household load profiles[J] . S. Schopfer,V. Tiefenbeck,T. Staake.Applied Energy . 2018

← 1 2 →