基于智能相似日识别及偏差校正的短期负荷预测方法

被引：53

作者：

刘翊枫 ^{[1
]}

周国鹏 ^{[2
]}

刘昕 ^{[1
]}

汪洋 ^{[3
]}

郑宇鹏 ^{[1
]}

邵立政 ^{[1
]}

机构：

[1] 国网湖北省电力有限公司

[2] 清华大学

[3] 北京清能互联科技有限公司

来源：

电力系统保护与控制 | 2019年 / 47卷 / 12期

关键词：

相关因素; 特征矩阵; 相似日; 偏差校正; 短期负荷预测;

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：

在传统负荷预测理论的基础上,提出了基于智能相似日识别及偏差校正的新型短期负荷预测方法。首先构建地市—相关因素特征矩阵,通过判断矩阵相关性智能选取负荷相似日,从而实现负荷曲线的一次预测。在此基础上,建立了实时气象偏差校正策略,采用XGBoost算法进行负荷曲线的二次偏差校正,达到短期负荷预测的目标。算例研究表明,该策略能够有效提升短期负荷预测精度,而且具有较好的自适应特性,可以应用于电力系统短期负荷预测实践。

引用

页码：138 / 145

页数：8

共 25 条

[1]

长期风电负荷预测方法比较 [J].