基于数据挖掘技术的短期电力负荷预测

被引:9
作者
全思平
吴浩
机构
[1] 泰州供电公司
关键词
短期电力负荷预测; 数据挖掘; 小水电; 累积效应; 滞后效应;
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
负荷预测是电力市场技术支持系统的一个重要组成模块,对电网的安全、经济运行具有重要的意义。负荷预测主要综合考虑系统的运行特性、社会影响、自然条件以及增容决策等因素,在历史负荷数据的基础上,进行一系列数学计算,在满足一定精度要求的情况下,得出未来某特定时刻的负荷值。传统短期电力负荷预测方法易受随机因素的干扰,尤其在小水电分布众多的地区预测精度不高。文章针对短期负荷预测的特点,将数据挖掘技术引入短期负荷预测中,并给出了系统的解决方案,可应用于小水电众多的电网环境或类似环境。实例运算表明该系统可有效地提高预测精度。
引用
收藏
页码:95 / 98
页数:4
相关论文
共 6 条
[1]
基于多神经网络的智能电网短期负荷预测研究 [D]. 
陈伟淳 .
华南理工大学,
2012
[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
[3]
电力系统短期负荷预测及其应用系统 [D]. 
朱向阳 .
东南大学,
2004
[4]
基于预测误差分布特性统计分析的概率性短期负荷预测 [J].
杨文佳 ;
康重庆 ;
夏清 ;
刘润生 ;
唐涛南 ;
王鹏 ;
张丽 .
电力系统自动化, 2006, (19) :47-52
[5]
基于贝叶斯理论和在线学习支持向量机的短期负荷预测 [J].
赵登福 ;
庞文晨 ;
张讲社 ;
王锡凡 .
中国电机工程学报, 2005, (13) :8-13
[6]
相空间重构与支持向量机结合的短期负荷预测研究 [D]. 
郑永康 .
西南交通大学,
2008