基于改进的随机森林和密度聚类的短期负荷频域预测方法
精确的负荷预测对于电力系统的有效调度和安全运行至关重要.本文提出基于改进的随机森林(IRF)和密度的聚类(DBSCAN)的频域组合预测方法.首先,采用经验小波变换(EWT)分解负荷,得到不同的固有模态分量(IMFs);其次,根据各分量特征采用合理的方法进行预测.其中,低频、中频分量采用IRF预测;高频分量使用DBSCAN根据气象因素温度和湿度聚类,再根据每类的样本特性选择处理方法.最后,叠加各分量的预测值,获取负荷预测值.根据某地市现场负荷数据进行实验,预测结果分别与EWT–IRF,EWT–随机森林(RF)、经验模态分解(EMD)–IRF模型的预测结果进行对比.结果表明,提出的模型具有更高的预测精度,反映了实际负荷的随机性.
负荷预测、基于改进的随机森林、基于密度的聚类、经验小波变换
37
国家重点研发计划项目;国家自然科学基金项目;分布式可再生能源发电集群并网消纳与用采、配自、调控系统数据融合项目;安徽省电力公司科技项目;安徽省博士后研究基金项目
2020-11-13(万方平台首次上网日期,不代表论文的发表时间)
共9页
2257-2265