基于负荷特征向量的负荷分类与预测方法研究及其应用

被引：3

作者：

孙璞玉 ^{[1
]}

李家睿 ^{[2
]}

王承民 ^{[3
]}

连鸿波 ^{[2
]}

付大伟 ^{[4
]}

张焰 ^{[3
]}

机构：

[1] 上海交通大学电气工程系

[2] 上海市松江供电公司

[3] 上海交通大学电工程系

[4] 吉林省四平供电公司

来源：

电气应用 | 2013年 / 32(S1)卷 / S1期

关键词：

负荷特性; 日负荷曲线; 聚类法; 相似性搜索;

D O I：

暂无

中图分类号：

TM714 [负荷分析];

学科分类号：

080802 ;

摘要：

<正>针对以往分类描述负荷的不足,为简洁准确描述地负荷,建立了由若干负荷特性指标作为元素的负荷特征向量。该向量主要描述负荷日曲线,同时可反映负荷的关键特性。基于负荷特征向量可使用聚类法对负荷分类,相比于传统分类方法,本方法淡化了负荷的行业构成等因素,得到的同类负荷特性更为接近。为综合区分与定义负荷,本文在负荷特征向量的基础上建立了负荷特性指数,该指数对不同的样本有一定的自适应能力,适用范围广。最后负荷特征向量可与相似性搜索法结合,通过寻找当日负荷特性的历史相似日,达到负荷短期预测的目的。

引用

页码：234 / 238

页数：5

共 11 条

[1]

中国电力负荷特性分析与预测.[M].赵希正主编;.中国电力出版社.2002,

[2]

基于时间序列的电力系统短期负荷预测研究.[D].万志宏.华南理工大学.2012, 01

[3]

电力系统负荷特性分析与负荷预测研究.[D].唐良艳.华南理工大学.2010, 03

[4]

聚类分析的算法及应用.[D].许丽利.吉林大学.2010, 11

[5]

熵理论在管理决策分析中的应用研究.[D].张群.南京信息工程大学.2007, 06

[6]

面向相似性的时间序列数据挖掘研究.[D].陆薛妹.东华大学.2007, 06

[7]

电力系统负荷分类研究.[D].张忠华.天津大学.2007, 04

[8] 基于模糊聚类与改进BP算法的日负荷特性曲线分类与短期负荷预测 [J].

黎祚 ;

周步祥 ;

林楠 .

电力系统保护与控制, 2012, 40 (03) :56-60

[9] 基于模糊聚类的电力负荷特性的分类与综合 [J].

李培强 ;

李欣然 ;

陈辉华 ;

唐外文 .

中国电机工程学报, 2005, (24) :73-78

[10] 时间序列相似性搜索算法研究 [J].

杨敏 ;

王志坚 ;

尹燕敏 .

山东师大学报(自然科学版), 2001, (04) :373-377

← 1 2 →