10.13335/j.1000-3673.pst.2017.0935
基于改进SLIQ算法及多粒度气象信息匹配的短期负荷预测
短期负荷预测容易受到气象等多种因素共同作用的影响,找到关键影响因素是提高短期负荷预测精度的必要手段.电力系统海量数据包含了巨量的运行信息,为挖掘有用信息,提高数据利用效率,提出了一种基于改进SLIQ算法及多粒度气象信息匹配的短期负荷预测方法.采用改进的SLIQ决策树算法对气象负荷信息进行聚类,提取同等气象条件下决定负荷波动的关键因素.由动态灵敏度方法建立短期负荷拐点预测模型,再由熵权法选择最佳预测参考日并预测曲线拐点,并在此基础上提出多粒度气象信息匹配算法进行负荷曲线预测.通过对我国南方某地区的多季节负荷进行仿真预测,计算结果表明在任意气象条件下曲线预测精度均能满足电网要求,证明了所提方法的正确性及普适性.
短期负荷预测、大数据挖掘、改进SLIQ气象分类器、动态灵敏度、多粒度气象信息匹配
42
TM72(输配电工程、电力网及电力系统)
2018-03-08(万方平台首次上网日期,不代表论文的发表时间)
共10页
291-300