大数据环境下的电力负荷预测研究
随着智能电网的快速发展,电力系统采集了海量的数据信息,如何利用海量电力数据预测电力负荷值,为企业合理地制定供需计划提供可靠保障,是一个值得研究的问题.为了使负荷预测模型适应各类用户的负荷预测,采用Kernel-K-means算法对电力用户进行聚类分析.将待预测的用户进行类别划分,然后采用LSTM方法建立负荷预测模型,预测未来某时刻用户的负荷值.通过实验仿真对比分析,验证了Kernel-K-means算法比传统的K-means算法具有较少的耗时和较高的聚类性能;LSTM算法比BP算法具有更高的负荷预测精度;实验说明所提方法适用于大数据环境下的电力负荷预测.
大数据、负荷、预测、长短期记忆网络
42
TM714;TN0(输配电工程、电力网及电力系统)
2019-08-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
51-54