电力系统短期负荷预测建模仿真研究

摘要：

精确的电力系统负荷预测能够使电网安全稳定的运行.传统的电力系统负荷预测只注重预测方法的研究,诸如基于人工神经网络的方法、支持向量机的方法等,很少关注数据的预处理.为了提高短期负荷预测的精度,采用双向比较法对浙江省某市的实际电力负荷历史数据进行预处理,并用K-means算法进行聚类分析,使具有相同特征的数据属性归为一类,以此降低原始数据维数.利用LSSVM算法进行负荷预测,从而得到准确的预测结果.仿真结果表明,经过聚类的LSSVM模型预测结果的平均相对误差和最大相对误差,远低于传统模型.充分说明了双向比较法和K-means算法相结合的短期负荷预测方法不仅有更高的预测精度还使预测误差更加的平稳.

关键词：数据预处理、负荷预测、双向比较法、聚类算法

所属期刊栏目：33

分类号：TM734(输配电工程、电力网及电力系统)

资助基金：甘肃省自然基金1308RJZA117

在线出版日期：2016-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：175-179