文献类型：期刊文章

作　　者：彭显刚[1] 潘可达[1] 张丹[1] 刘艺[1] 林志坚[2]

PENG Xiangang;PAN Keda;ZHANG Dan;LIU Yi;LIN Zhijian(School of Automation,Guangdong University of Technology,Guangzhou 510006,Guangdong Province,China;Shantou Power Supply Bureau of Guangdong Power Grid Co.,Ltd.,Shantou 515041,Guangdong Province,China)

机构地区：[1]广东工业大学自动化学院,广东省广州市510006 [2]广东电网有限责任公司汕头供电局,广东省汕头市515041

出　　处：《电网技术》

基　　金：中央财政支持地方高校发展专项资金项目(粤财教[2016]202号).

年　　份：2020

卷　　号：44

期　　号：2

起止页码：603-613

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对季节性电力负荷划分不准确及温度、湿度对电力负荷的动态性影响,提出一种基于季节性负荷自适应划分及重要点分割的多分段短期负荷预测模型。采用聚类与CART树相结合的方法,根据地区历史负荷数据自适应的确定当地季节性负荷划分规则;使用非参数核密度估计方法提取季节典型日负荷曲线,并基于划分结果对各季负荷曲线进行重要点分割;同时根据分割结果,采用基于皮尔逊相关系数加权的相似系数,对各时段负荷进行参考日的筛选,以确定预测模型的输入量,最后提出一种结合纵横交叉算法参数优化的鲁棒极限学习机进行多分段预测模型的建立。通过实例仿真分析,验证了所提方法提高预测精度的有效性。

关 键 词：聚类分析 CART决策树  重要点分割  改进鲁棒极限学习机  短期负荷预测

分 类 号：TM715]