基于空间相似度和深度学习的中长期用电量预测

摘要：

准确地预测用户中长期用电量对电力系统优化与调度具有重要意义.为此,提出一种根据用电曲线空间相似性划分用电用户类别,进而利用深度网络预测单类用户中长期用电量的方法,用以提升预测精度.首先,计算用电数据间的动态时间规整距离,基于规整距离利用层次聚类法绘制层次聚类树对用户分类.然后,通过离差标准化约束分类后每类用户数据的取值范围,进而通过深度神经网络建立单类用户的中长期用电量预测模型.最后,通过实例分析了传统方法与所提方法的用户聚类效果,并对比单类用户的总体、个体用电量预测结果,证明了所提依据空间形状相似度指标可较准确地划分用户类别,提升了中长期用电量的预测精度.

关键词：用户聚类、动态时间规整、深度网络、用电量预测

所属期刊栏目：40

分类号：TM715+.1(输配电工程、电力网及电力系统)

资助基金：国家电网有限公司总部科技项目5211SX1800AX

在线出版日期：2021-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：45-52