【技术实现步骤摘要】
本专利技术涉及电力负荷预测
,尤其是涉及。
技术介绍
短期负荷预测是电力部门的一项重要工作,是能量管理系统的重要组成部分,在现代电力系统的安全和经济运行中起着重要作用。短期电力负荷预测主要用于预报未来几小时,一天直至几天的电力负荷,其准确与否直接关系到电力系统的安全运行和经济调度。高精度的短期电力负荷预测有助于合理地安排电网设备调度及检修计划,提高电力系统运行的稳定性,减少电网的发电成本,有利于提高电力系统的经济效益和社会效益。短期负荷预测的突出特点是以日为周期呈现变化的相似性,同时明显受天气因素的影响。因此需要充分研究负荷变化规律,分析负荷变化银子,特别是天气因素、日类型等和短期负荷变化的关系。目前,对于短期负荷预测,主要采用时间序列、回归分析、趋势外推、灰色模型和神经网络等方法,这些算法各具优缺点,适应的范围各不相同。由于负荷预测受到很多不确定因素的影响,目前为止,没有一种方法保证在任何情况下都能获得满意的预测结果。此外,在短期负荷预测中,历史数据量过大,如何选取真正有效的历史数据也是需要重点研究的问题。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于聚类和滑动窗口的短期负 荷预测方法。本专利技术的目的可以通过以下技术方案来实现:—种基于聚类和滑动窗口的短期负荷预测方法,具体包括以下步骤:步骤1:对电力负荷数据进行预处理,以适配聚类算法对数据的要求;步骤2:使用聚类算法对预测用户的历史数据进行聚类,调整聚类参数,使聚类算法得到的最大类不包含偏差大于阈值的负荷数据项,且类的成员尽可能多;步骤3:在聚类结果中包含数据最多 ...
【技术保护点】
一种基于聚类和滑动窗口的短期负荷预测方法,其特征在于,具体包括以下步骤:步骤1:对电力负荷数据进行预处理,以适配聚类算法对数据的要求;步骤2:使用聚类算法对预测用户的历史数据进行聚类,调整聚类参数,使聚类算法得到的最大类不包含偏差大于阈值的负荷数据项,且类的成员尽可能多;步骤3:在聚类结果中包含数据最多的一类中由距离预测时间由近到远选取k个数据,构成滑动窗口k;步骤4:对挑选的k个数据使用基于滑动窗口的组合模型进行预测,获取预测结果;步骤5:根据气象因素对组合模型的预测结果进行修正,得到最终的负荷预测结果。
【技术特征摘要】
1.一种基于聚类和滑动窗口的短期负荷预测方法,其特征在于,具体包括以下步骤: 步骤1:对电力负荷数据进行预处理,以适配聚类算法对数据的要求; 步骤2:使用聚类算法对预测用户的历史数据进行聚类,调整聚类参数,使聚类算法得到的最大类不包含偏差大于阈值的负荷数据项,且类的成员尽可能多; 步骤3:在聚类结果中包含数据最多的一类中由距离预测时间由近到远选取k个数据,构成滑动窗口 k; 步骤4:对挑选的k个数据使用基于滑动窗口的组合模型进行预测,获取预测结果; 步骤5:根据气象因素对组合模型的预测结果进行修正,得到最终的负荷预测结果。2.根据权利要求1所述的一种基于聚类和滑动窗口的短期负荷预测方法,其特征在于,步骤2具体为: 步骤2.1:以天为单位选取某个预测用户的历史数据,并按照一周七天进行分类; 步骤2.2:利用聚类算法,将周一到周日的数据分别聚类,分别选取包含数据最多的类。3.根据权利要求1所述的一种基于聚类和滑动窗口的短期负荷预测方法,...
【专利技术属性】
技术研发人员:吴家华,沈冬,陈晓峰,刁沓,罗海勇,赵方,王凤,
申请(专利权)人:国家电网公司,上海市电力公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。