基于空气质量指数与k近邻理论的居民用电负荷超短期预测研究

被引:6
作者
林琳 [1 ]
潘龙懿 [2 ]
马超 [1 ]
机构
[1] 国网冀北电力有限公司技能培训中心
[2] 国网保定供电公司
关键词
空气质量指数; k近邻算法; 负荷预测;
D O I
10.19651/j.cnki.emt.1701284
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
近年来,空气质量问题给人们的生产和生活带来严重影响,也影响到了电力系统的正常运行与维护,而电网负荷预测对电力系统的正常运行起着至关重要的作用,是电力调度部门的基础工作,对电力系统的经济运行有着指导作用。在考虑空气质量的影响下,首先分析了空气质量对电网负荷预测的影响,然后将空气质量指数与电网负荷预测联系起来,根据实时负荷数据建立预测模型,并提出了一种电网负荷超短期预测k近邻算法进行求解,最后通过算例验证了所建模型及其算法的正确性和有效性。
引用
收藏
页码:31 / 34
页数:4
相关论文
共 10 条
[1]
减少雾霾污染改善大气环境质量政策建议探讨 [J].
贺丰果 ;
刘永胜 .
经济研究导刊, 2014, (01) :285-288
[2]
针对气象因素的短期负荷预测修正方法 [J].
王鹏 ;
邰能灵 ;
王波 ;
翟海青 ;
叶剑 ;
李磊 ;
朱家栋 ;
漆梁波 .
电力系统自动化, 2008, (13) :92-96
[3]
基于结构学习的KNN分类算法 [J].
孙岩 ;
吕世聘 ;
王秀坤 ;
唐一源 .
计算机科学, 2007, (12) :184-186+237
[4]
考虑气象因素的SVM方法在短期电力负荷预测中的应用 [J].
潘锋 ;
储琳琳 ;
张宇俊 .
华东电力, 2007, (11) :86-89
[5]
考虑气象信息的节假日负荷预测 [J].
丁恰 ;
张辉 ;
张君毅 .
电力系统自动化, 2005, (17) :93-97
[6]
基于电力负荷模式分类的短期电力负荷预测 [J].
冯丽 ;
邱家驹 .
电网技术, 2005, (04) :23-26+40
[7]
短期负荷预测模型及其影响因素 [J].
廖立 ;
忻建华 ;
翟海青 ;
卫振华 .
上海交通大学学报, 2004, (09) :1544-1547
[8]
一种基于近邻搜索的快速k-近邻分类算法 [J].
王壮 ;
胡卫东 ;
郁文贤 ;
庄钊文 .
系统工程与电子技术, 2002, (04) :100-102
[9]
基于小波分解与气象因素影响的电力系统日负荷预测模型研究 [J].
谢宏 ;
陈志业 ;
牛东晓 ;
赵磊 .
中国电机工程学报, 2001, (05)
[10]
基于KNN与自动检索的迭代近邻法在自动分类中的应用.[J].杨建良;王永成;.情报学报.2004, 02