基于隐含数据信息挖掘的贝叶斯电采暖负荷预测

被引：11

作者：

李香龙 ^{[1
]}

张宝群 ^{[2
]}

马龙飞 ^{[1
]}

徐振华 ^{[2
]}

机构：

[1] 国网北京市电力公司电力科学研究院

[2] 北京航空航天大学自动化科学与电气工程学院

来源：

电测与仪表 | 2018年 / 55卷 / 24期

关键词：

电采暖负荷预测; 贝叶斯网络; 隐含数据; 概率分布;

D O I：

暂无

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：

冬季电采暖负荷的准确预测对电网安全稳定运行以及电力系统调峰和调频具有重要意义。为充分挖掘冬季电采暖负荷数据中隐含信息,提出基于贝叶斯网络的多变量冬季电采暖负荷预测方法。首先将隐含信息数据中的多变量数据分为可观测数据和隐含数据,依据变量之间的影响机制搭建贝叶斯网络结构,并通过EM(Expectation Maximization Algorithm)算法训练可观测数据信息,获取隐含数据分布,进而基于可观测数据和隐含数据实现冬季电采暖负荷预测。采用北京市电力公司提供的冬季电采暖负荷实测数据进行验证,结果表明,采用贝叶斯网络进行电采暖负荷预测具有较高的预测精度。

引用

页码：88 / 93

页数：6

共 10 条

[1]

计及可控负荷的工业微网源荷协同优化调度 [J].

林建熙 ;

史俊祎 ;

文福拴 ;

李力 ;

钱峰 ;

向丽玲 .

电力建设, 2018, 39 (01) :1-9

[2]

基于回归分析与神经网络的短期负荷预测 [J].

王黎明 ;

王艳松 ;

魏志远 .

电气应用, 2007, (11) :37-39

[3]

空气源热泵冷热水机组的系统仿真与实验研究 [J].

董玉军 ;

黄东 ;

袁秀玲 .

制冷与空调, 2006, (05) :52-57

[4]

空气源热泵低温适应性研究的现状及进展 [J].

柴沁虎 ;

马国远 .

能源工程, 2002, (05) :25-31

[5]

小波分析方法在电力系统短期负荷预测中的应用 [J].

宋超 ;

黄民翔 ;

叶剑斌 .

电力系统及其自动化学报, 2002, (03) :8-12

[6]

Peak load forecasting using Bayesian regularization; Resilient and adaptive backpropagation learning based artificial neural networks.[J].Lalit Mohan Saini.Electric Power Systems Research.2007, 7

[7]

Bayesian neural network approach to short time load forecasting.[J]..Energy Conversion and Management.2007, 5

[8]

A Graphical Representation of Equivalence Classes of AMP Chain Graphs..[J].Alberto Roverato;Milan Studený.Journal of Machine Learning Research.2006,

[9]

Bayesian modeling and forecasting of intraday electricity load [J].

Cottet, R ;

Smith, M .

JOURNAL OF THE AMERICAN STATISTICAL ASSOCIATION, 2003, 98 (464) :839-849

[10]

电力系统负荷预测.[M].康重庆; 夏清; 刘梅; 编著.中国电力出版社.2007,

← 1 →