10.11772/j.issn.1001-9081.2021030447
基于金融技术指标的用电数据分析
针对已有用电数据分析缺乏有效描述趋势性特征的不足,适应性地将金融领域中十字过滤线(VHF)、异同移动平均线(MACD)等技术指标迁移至用电数据分析中,提出了基于金融技术指标的异动检测算法和负荷预测算法.所提异动检测算法通过统计各指标的统计情况划定阈值,并采用阈值检测捕捉用户异常用电行为.所提负荷预测算法通过提取14项与金融技术指标相关的日负荷特征,构建了长短期记忆网络(LSTM)负荷预测模型.在杭州市工业用电数据上的实验结果表明,所提负荷预测算法将平均绝对百分比误差(MAPE)降低至9.272%,相较于差分整合移动平均自回归(ARIMA)算法、Prophet算法和支持向量机(SVM)算法,分别将MAPE降低了2.322、24.175和1.310个百分点,能够较好地应用于用电数据分析中.
用电数据分析、智能电网、金融技术指标、异动检测、负荷预测、长短期记忆网络
42
TM714.3(输配电工程、电力网及电力系统)
2022-04-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
904-910