基于聚类及趋势指标的长短期神经网络配网负荷短期预测

摘要：

针对配电网线路负荷短期预测存在精度不佳的问题,提出一种基于聚类及趋势指标的长短期神经网络负荷预测方法.首先利用K-Means聚类方法将线路下特性变化相似的配电网台区负荷数据进行聚类重构;此外,按类分别计算负荷历史同期数据的趋势变化指标,并且作为负荷预测模型的输入特征;然后,建立能够传递时间序列信息的长短期神经网络预测模型,通过模型学习训练每类负荷的历史数据及变化趋势,并对测试集进行预测,将每类负荷的预测结果进行叠加得到线路总负荷的预测结果.以湖南某线路负荷数据为基础,预测未来一天96个点的线路负荷数据,经验证,所提方法能够深入挖掘配电负荷的特性规律和变化趋势,提升配网线路负荷的短期预测精度.

关键词：短期负荷预测;K均值聚类;长短期神经网络;趋势指标;智能配电网

所属期刊栏目：41

分类号：TM714(输配电工程、电力网及电力系统)

资助基金：国网湖南省电力有限公司电力科学研究院科技项目B316A5200013

在线出版日期：2021-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：27-33