随着智能电网技术的飞速发展,对负荷预测的精度提出了越来越高的要求。融合负荷、天气等多源数据,提出了一种基于数据融合的支持向量机精细化负荷预测方法。首先对负荷历史数据进行聚类分析,将运行日分成六类。然后将负荷数据和温度、湿度等天气数据进行融合,针对六类聚类结果分别建立基于数据融合的支持向量机精细化负荷预测模型,并对模型参数进行全局优化。采用不同的预测模型对浙江省某地级市2013年的负荷进行预测,结果表明所提出的负荷预测方法的预测精度明显高于传统的负荷预测方法的预测精度。
类型: 期刊论文
作者: 席雅雯,吴俊勇,石琛,朱孝文,蔡蓉
关键词: 负荷预测,数据融合,支持向量机,预测精度
来源: 电力系统保护与控制 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 北京交通大学电气工程学院,ABB中国研究院
基金: 国家自然科学基金项目资助(51577009),ABB中国研究院项目资助(ABB20171128REU-CTR)~~
分类号: TM715
页码: 80-87
总页数: 8
文件大小: 1653K
下载量: 438
本文来源: https://www.lunwen90.cn/article/9829cb1473584eb5b729a29c.html