基于非侵入式负荷监测和PSO优化的商业负荷超短期功率预测方法

摘要：

针对商业中心超短期负荷预测难度大、精确度低等问题,提出一种基于非侵入式负荷监测和PSO优化对商业中心负荷进行超短期预测的新方法.在完全无监督方式下从三相总无功/有功功率测量装置中提取负荷曲线;根据所提取的负荷曲线,采用粒子群优化的方法对功率测量结果进行分解;通过人工神经网络对每个用电设备进行状态变化预测,根据状态变化和设备状态重构负荷曲线,并将其转化为负荷预测曲线.所提预测方法的时间周期为15 min.为了验证所提方法的有效性和优越性,以一个真实商业建筑的三相无功和有功综合负荷测量作为一个案例研究,仿真结果表明所提方法重构的测量负荷功率与能量百分比误差约1％,在实测功率数据上具有明显优势.

关键词：非侵入式负荷监测、能量分解、功率预测、无监督学习、神经网络

所属期刊栏目：39

分类号：TM28(电工材料)

资助基金：国家自然科学基金51730923

在线出版日期：2023-06-12（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：35-39