基于改进数据驱动子空间算法的电力负荷预测

摘要：

在钢铁企业中，电力负荷消耗规模相对较小，未呈现明显的周期性变化特征，而工序变化会导致瞬间电力负荷波动较大，传统负荷预测模型对工业用电预测效果不佳，无法有效预测出用户的突发性扰动。采用数据驱动的子空间方法预测钢铁企业电力负荷，分别建立基于子空间算法的电力日负荷预测、超短期负荷预测2个模型。为提高预测模型准确率，引入反馈因子和遗忘因子来改善标准子空间算法的性能。以实际电力负荷数据的测试验证该方法的实用性，预测结果能够为钢铁企业的电力负荷预测和二次能源智能管理提供有效的决策支持。

关键词：数据驱动子空间、反馈因子、遗忘因子、小波变换、电力负荷预测、智能管理

分类号：TP181(自动化基础理论)

资助基金：天津市应用基础及前沿技术研究基金资助项目11JCYBJC07000。

在线出版日期：2015-05-29（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：311-315