基于改进SLIQ算法及多粒度气象信息匹配的短期负荷预测

被引：15

作者：

李滨 ^{[1
]}

覃芳璐 ^{[2
]}

李倍存 ^{[1
]}

吴茵 ^{[2
]}

李佩杰 ^{[1
]}

机构：

[1] 广西电力系统最优化与节能技术重点实验室(广西大学)

[2] 广西电网公司电力调度控制中心

来源：

电网技术 | 2018年 / 42卷 / 01期

关键词：

短期负荷预测; 大数据挖掘; 改进SLIQ气象分类器; 动态灵敏度; 多粒度气象信息匹配;

D O I：

10.13335/j.1000-3673.pst.2017.0935

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

短期负荷预测容易受到气象等多种因素共同作用的影响,找到关键影响因素是提高短期负荷预测精度的必要手段。电力系统海量数据包含了巨量的运行信息,为挖掘有用信息,提高数据利用效率,提出了一种基于改进SLIQ算法及多粒度气象信息匹配的短期负荷预测方法。采用改进的SLIQ决策树算法对气象负荷信息进行聚类,提取同等气象条件下决定负荷波动的关键因素。由动态灵敏度方法建立短期负荷拐点预测模型,再由熵权法选择最佳预测参考日并预测曲线拐点,并在此基础上提出多粒度气象信息匹配算法进行负荷曲线预测。通过对我国南方某地区的多季节负荷进行仿真预测,计算结果表明在任意气象条件下曲线预测精度均能满足电网要求,证明了所提方法的正确性及普适性。

引用

页码：291 / 301

页数：11

共 12 条

[1] 最小信息损失综合短期负荷预测(一)—理论 [J].