面向海量用户用电数据的集成负荷预测

被引:55
作者
杨德昌
赵肖余
何绍文
杜松怀
苏娟
巨云涛
机构
[1] 中国农业大学信息与电气工程学院
关键词
负荷预测; 智能电表; 聚类; 居民用户;
D O I
10.13335/j.1000-3673.pst.2018.0507
中图分类号
TM715 [电力系统规划];
学科分类号
摘要
智能电表的普及为准确把握用户级负荷变化规律提供了数据基础,使从用户级负荷入手的短期负荷预测成为可能。在此背景下,提出了一种计及海量用户数据信息的集成负荷预测方法。考虑居民用户用电模式差异性,首先以用户负荷数据为样本进行聚类,其次分别建立不同用户群的负荷预测模型,最后将各用户群的负荷预测值汇总得到全局预测结果。使用多种经典聚类与预测方法相结合,以最佳聚类数为切入点,探讨了集成预测策略在不同预测时间尺度下对预测精度的提升效果,并通过实际算例证明该策略的有效性。
引用
收藏
页码:2923 / 2929
页数:7
相关论文
共 14 条
[1]   基于SOM需求响应潜力的居民用户优化聚合模型 [J].
孙彦萍 ;
李虹 ;
杨文海 ;
高亚静 .
电力建设, 2017, 38 (07) :25-33
[2]   面向海量用户用电特性感知的分布式聚类算法 [J].
朱文俊 ;
王毅 ;
罗敏 ;
林国营 ;
程将南 ;
康重庆 .
电力系统自动化, 2016, 40 (12) :21-27
[3]   基于改进k-means算法的海量智能用电数据分析 [J].
赵莉 ;
候兴哲 ;
胡君 ;
傅宏 ;
孙洪亮 .
电网技术, 2014, 38 (10) :2715-2720
[4]   基于模糊负荷聚类的不良负荷数据辨识与修正 [J].
刘辉舟 ;
周开乐 ;
胡小建 .
中国电力, 2013, 46 (10) :29-34
[5]   基于小波分解模糊灰色聚类和BP神经网络的短期负荷预测 [J].
张平 ;
潘学萍 ;
薛文超 .
电力自动化设备, 2012, 32 (11) :121-125+141
[6]   基于FCM聚类与SVM的电力系统短期负荷预测 [J].
李林峰 ;
孙长银 .
江苏电机工程, 2007, (03) :47-50
[7]  
基于数据挖掘技术的短期负荷预测.[D].毕圣.北京交通大学.2016, 07
[8]  
基于BP神经网络的短期电力负荷预测的研究.[D].隋惠惠.哈尔滨工业大学.2015, 02
[9]  
智能电网环境下负荷聚合商的市场化交易策略研究.[D].张开宇.上海交通大学.2015, 02
[10]  
基于实际负荷曲线的电力用户分类技术研究.[D].冯晓蒲.华北电力大学.2011, 04