考虑气象因素的精细化短期负荷预测模型研究

论文摘要

传统的负荷特性分析方法,由于基础数据及处理方法的限制一般无法达到用户级的精细化预测。研究基于大数据技术中的决策树、神经网络等算法建立用户级的短期负荷预测模型,首先基于灰色关联度分析方法,定量分析气象因素对用电负荷特性的影响,并选取关键影响因素,作为决策树算法的输入向量;在对用户的历史负荷数据进行聚类分析后,为每一条日负荷曲线建立类别标签;通过决策树算法建立分类规则,并将待预测日进行分类;最终采用Elman神经网络对某用户进行短期负荷预测,验证模型的有效性。

论文目录

• 0 引言
• 1 负荷特性影响因素的选取
•   1.1 灰色关联度分析的基本步骤
•   1.2 气象因素对负荷特性的影响分析
• 2 基于CART决策树的待预测日负荷分类
• 3 Elman神经网络预测模型在负荷预测中的应用
•   3.1 Elman神经网络结构
•   3.2 Elman神经网络学习算法
•   3.3 基于Elman神经网络的负荷预测
• 4 算例分析
• 5 总结

文章来源

类型: 期刊论文

作者: 陈寒冬,郭佳田,施海斌,范华东,施春波,姚超群

关键词: 精细化预测,灰色关联度分析,决策树,聚类,神经网络

来源: 电力学报 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 国网上海崇明供电公司,上海电力实业有限公司

基金: 国网上海市电力公司（5209HZ170004）

分类号: TM715

DOI: 10.13357/j.cnki.jep.002826

页码: 423-430

总页数: 8

文件大小: 1046K

下载量: 145