10.3969/j.issn.1000-7229.2017.10.011
计及气象因素的用电负荷短期分时分类预测模型与方法
短期负荷预测是电力系统运行和分析的基础,对机组组合、经济调度以及安全校核等具有重要意义.针对地区负荷在小样本情况下预测精度不高的问题,在对某地区负荷数据进行分析并剔除异常数据之后,建立了基于支持向量机回归(support vector regression,SVR)的短期负荷预测模型.为了提高模型的预测性能,采用细菌觅食算法(bacteria foraging optimization algorithm,BFOA)对SVR的参数进行优化,并将温度、湿度和降雨量等气象信息引入预测模型.考虑到负荷与时间点的耦合关系,对每日96个时间点分别进行预测.同时,根据工作日和周末2种不同属性分别建立了基于SVR的负荷预测模型.仿真结果表明,所建立的短期负荷预测模型能够在小样本的情况下以较快的速度获得较高的预测精度.
短期负荷预测、气象因素、支持向量机(SVR)、分时分类预测
38
TM715(输配电工程、电力网及电力系统)
云南省新能源重大科技专项2013ZB005;云南电网有限责任公司科技项目YNKJQQ00000280;新能源电力系统国家重点实验室开放课题LAPS15007,LAPS16015
2017-12-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
76-83