一种基于贝叶斯网络的电力负荷峰值预测方法

论文摘要

近年来,我国电力负荷峰值增长速度较快,尤其是华东地区,负荷峰值不断刷新。文章研究负荷峰值特性分布,基于向前逐步选择正则化提出两阶段法进行模型因素选择,并以实例验证选择出6个最佳影响因素组合。在两阶段法模型因素选择研究基础上,结合k-means聚类降低计算工作量,设计了基于贝叶斯网络的电力负荷峰值预测模型和分类预测算法,并以上海市浦东区为例进行验证,预测结果精度较高,验证了该方法的可行性及有效性。

论文目录

• 0 引言
• 1 电力负荷峰值特性分析
•   1.1 日负荷峰值时间特性分析
•   1.2 历史日负荷峰值幅值特性分析
•   1.3 基于聚类的负荷特性分析
• 2 两阶段法模型因素选择
•   2.1 向前逐步选择方法
•   2.2 两阶段法
•   2.3 算例分析
• 3 基于贝叶斯网络的电力负荷峰值模型
•   3.1 贝叶斯网络理论
•     3.1.1 网络结构学习
•     3.1.2 参数学习
•   3.2 模型构建
• 4 算例分析
•   4.1 算例1
•   4.2 算例2
• 5 结语

文章来源

类型: 期刊论文

作者: 王文秀,田世明,王泽忠,谢伟,卜凡鹏,田英杰,苏运

关键词: 电力负荷,负荷峰值预测,因素选择,贝叶斯网络

来源: 供用电 2019年07期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 中国电力科学研究院有限公司,华北电力大学,国网上海市电力公司

基金: 国家重点研发计划项目(2016YFB0901100),国家电网公司科技项目(52094017002U)~~

分类号: TM715

DOI: 10.19421/j.cnki.1006-6357.2019.07.009

页码: 57-64

总页数: 8

文件大小: 4166K

下载量: 248