基于Softmax概率分类器的数据驱动空间负荷预测

论文摘要

提出了一种数据驱动空间负荷预测方法。将网格化体系下的功能地块作为空间负荷预测的基本单元,并且通过多维指标体系进行属性描述。基于大量调研数据,通过数据挖掘方法对不同类型地块的空间负荷密度分布规律和负荷曲线典型形态进行提取。建立Softmax多元概率分类模型对未知地块的负荷水平类型进行匹配。自下而上对相邻地块负荷预测结果进行时域叠加,得到更大区域的预测信息,包括其负荷量和预测负荷曲线。算例仿真结果表明提出的空间负荷预测方法在预测精度上有一定提升。

论文目录

• 0 引言
• 1 地块多维度指标体系
• 2 地块负荷基础数据挖掘方法
•   2.1 空间负荷密度的非参数核密度估计
•   2.2 典型负荷曲线的自适应聚类提取
•   2.3 Softmax多元概率分类器模型
• 3 地块负荷基础数据挖掘方法
•   1)地块—网格划分:
•   2)多维数据获取:
•   3) 负荷密度标签化:
•   4)负荷曲线聚类:
•   5)分类器训练:
•   6)地块预测计算:
•   7)自下而上叠加:
• 4 算例分析
•   4.1 算例描述
•   4.2 用电信息挖掘效果
•   4.3 负荷精度
•   4.4 基于曲线的预测结果在规划中的应用
• 5 结语

文章来源

类型: 期刊论文

作者: 郑伟民,叶承晋,张曼颖,王蕾,孙可,丁一

关键词: 空间负荷预测,数据挖掘,地块,概率分类器,负荷曲线

来源: 电力系统自动化 2019年09期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业

单位: 国网浙江省电力有限公司,浙江大学电气工程学院

基金: 国家自然科学基金资助项目(51807173),中国博士后科学基金资助项目(2018M640558),国家电网有限公司科技项目(5211JY170015)~~

分类号: TM715

页码: 117-127

总页数: 11

文件大小: 3635K

下载量: 466