基于负荷点相似的地区短期负荷预测新方法

被引：15

作者：

罗军 ^{[1
]}

何光宇 ^{[1
]}

张思远 ^{[1
]}

万源 ^{[2
]}

李小锐 ^{[2
]}

机构：

[1] 电力系统及发电设备控制和仿真国家重点实验室(清华大学电机系)

[2] 江西省电力公司

来源：

电网技术 | 2007年 / 06期

关键词：

短期负荷预测; 数据挖掘; 决策树; 遗传算法;

D O I：

10.13335/j.1000-3673.pst.2007.06.012

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

提出了一种基于相似点的地区短期负荷预测新方法并形成了基于该算法的专家支持系统,该系统可定量地考虑气象信息、小水电、工作日类型等负荷相关因素。采用该系统对某基荷较小的地区电网进行负荷预测,结果说明了本文算法的正确性和有效性。基于本文算法而编制的软件系统即将投入实际应用。

引用

页码：67 / 71

页数：5

共 7 条

[1] 基于模糊多目标遗传优化算法的节假日电力负荷预测 [J].

冯丽 ;

邱家驹 .

中国电机工程学报, 2005, (10) :29-34

[2] 数据挖掘中决策树算法的最新进展 [J].

韩慧 ;

毛锋 ;

王文渊 .

计算机应用研究, 2004, (12) :5-8

[3] 逐级均值聚类算法的RBFN模型在负荷预测中的应用 [J].

刘小华 ;

刘沛 ;

张步涵 ;

万建平 .

中国电机工程学报, 2004, (02) :18-22

[4] 短期负荷预测中选择相似日的探讨 [J].

莫维仁 ;

张伯明 ;

孙宏斌 ;

胡子珩 .

清华大学学报(自然科学版), 2004, (01) :106-109

[5] 一种求解电网多目标模糊优化运行的自适应进化规划算法 [J].

石立宝 ;

徐国禹 .

中国电机工程学报, 2001, (03) :54-58+62

[6] 一种规范化的处理相关因素的短期负荷预测新策略 [J].

康重庆 ;

程旭 ;

夏清 ;

沈瑜 .

电力系统自动化, 1999, (18) :32-35

[7]

J. R. Quinlan.Induction of decision trees[J].Machine Learning,1986

← 1 →