基于多维特征分析的月用电量精准预测研究

被引：24

作者：

唐静 ^{[1
,2
,3
]}

李瑞轩 ^{[1
]}

黄宇航 ^{[4
]}

向万红 ^{[5
]}

解来甲 ^{[5
]}

彭一轩 ^{[5
]}

宁立 ^{[5
]}

机构：

[1] 华中科技大学计算机科学与技术学院

[2] 广东海洋大学数学与计算机学院

[3] 广东省大数据分析与处理重点实验室

[4] 国电江苏电力有限公司

[5] 远光软件股份有限公司

来源：

电力系统保护与控制 | 2017年 / 45卷 / 16期

关键词：

配用电大数据; 用电量预测; 多维特征分析; 数据挖掘;

D O I：

暂无

中图分类号：

TM715 [电力系统规划]; TP311.13 [];

学科分类号：

1201 ;

摘要：

用户用电量的精准预测是智能配用电大数据应用和发展的关键之一。区别于传统的基于行业分类的预测办法,提出基于大数据挖掘技术的用户用电多维度特征识别,以及在此基础上的精准用电量预测方法。基于海量多用户用电特性,建立多维度用电特征评价指标体系。对用户用电特性空间进行聚类和分析,挖掘和识别用电模式。在不同的用电模式下,分别建立用电量时间序列预测模型,避免用电模式差异对预测算法准确性造成的不利影响。该方法适用于大数据平台的分析与处理,算例分析结果表明其相比以往方法能显著提高预测精度和稳定性。

引用

页码：145 / 150

页数：6

共 10 条

[1] 配电网大数据环境下的多点负荷预测算法与应用研究 [J].

雷正新 ;

韩蓓 ;

聂萌 ;

甄颖 ;

汪可友 ;

李国杰 .

电力系统保护与控制, 2016, 44 (23) :68-78

[2] 基于动量因子的神经网络群电流负荷预测模型 [J].

田野 .

电力系统保护与控制, 2016, 44 (17) :31-38

[3] 采用互信息与随机森林算法的用户用电关联因素辨识及用电量预测方法 [J].

赵腾 ;

王林童 ;

张焰 ;

田世明 .

中国电机工程学报, 2016, 36 (03) :604-614

[4] 优化系数的NGM(1,1,k)模型在中长期电量预测中的应用 [J].

鲁宝春 ;

赵深 ;

田盈 ;

杨杨 ;

李宝国 ;

陈晓英 ;

孙丽颖 .

电力系统保护与控制, 2015, 43 (12) :98-103

[5] 基于量子和声优化的改进DMSFE组合模型及在中长期电量预测中的应用 [J].

孙伟 ;

常虹 ;

赵巧芝 .

电力系统保护与控制, 2014, 42 (21) :66-73

[6] 智能电网环境下采用关联分析和多变量灰色模型的用电量预测 [J].

王允平 ;

黄殿勋 ;

熊浩清 ;

牛元立 .

电力系统保护与控制, 2012, 40 (01) :96-100

[7]

The socio-economic, dwelling and appliance related factors affecting electricity consumption in domestic buildings[J] . Rory V. Jones,Alba Fuertes,Kevin J. Lomas.Renewable and Sustainable Energy Reviews . 2015

[8]

Predicting future hourly residential electrical consumption: A machine learning case study[J] . Richard E. Edwards,Joshua New,Lynne E. Parker.Energy ＆ Buildings . 2012

[9] A methodology for Electric Power Load Forecasting [J].

Almeshaiei, Eisa ;

Soltan, Hassan .

ALEXANDRIA ENGINEERING JOURNAL, 2011, 50 (02) :137-144

[10]

Electric load forecasting: literature survey and classification of methods[J] . Hesham K. Alfares,Mohammad Nazeeruddin.International Journal of Systems Science . 2002 (1)

← 1 →