考虑用电行为分析的电力用户用电预测研究

摘要：

挖掘电力用户用电特征,有助于提高负荷预测精度,从而为制定合理的电力系统经济调度策略提供理论依据.针对传统的模糊C均值(fuzzy c-means algorithm,FCM)聚类算法的聚类数需要人工试凑的问题,提出了自适应FCM方法,以达到自动调整参数获得最佳聚类数的目的.针对核极限学习机(kernel extreme learning mechine,KELM)求逆过程计算量大的问题,采用cholesky分解法求解KELM的输出权值,降低了计算时间.采用自适应FCM对电力用户进行聚类,然后对每类用户采用改进的KELM算法进行负荷预测.实验结果表明,相同预测方法下,基于聚类的负荷预测精度高于不聚类时的负荷预测;实验结果验证了所提聚类方法与用户实际用电行为相符,具有准确性;相比于传统的KELM算法,改进KELM算法耗时更少精度更高.

关键词：模糊C均值、用电行为、KELM、负荷、预测

所属期刊栏目：43

分类号：TM715;TM74(输配电工程、电力网及电力系统)

在线出版日期：2020-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：74-79