融合历史数据和实时影响因素的精细化负荷预测
随着智能电网技术的飞速发展,对负荷预测的精度提出了越来越高的要求.融合负荷、天气等多源数据,提出了一种基于数据融合的支持向量机精细化负荷预测方法.首先对负荷历史数据进行聚类分析,将运行日分成六类.然后将负荷数据和温度、湿度等天气数据进行融合,针对六类聚类结果分别建立基于数据融合的支持向量机精细化负荷预测模型,并对模型参数进行全局优化.采用不同的预测模型对浙江省某地级市2013 年的负荷进行预测,结果表明所提出的负荷预测方法的预测精度明显高于传统的负荷预测方法的预测精度.
负荷预测、数据融合、支持向量机、预测精度
47
国家自然科学基金项目资助51577009;ABB中国研究院项目资助ABB20171128REU-CTR
2019-05-31(万方平台首次上网日期,不代表论文的发表时间)
共8页
80-87