文献类型：期刊文章

作　　者：肖琦敏[1] 方志坚[1] 孙浩淞[1] 罗义旺[2] 林翰[2] 刘积娟[2]

Xiao Qimin;Fang Zhijian;Sun Haosong;Luo Yiwang;Lin Han;Liu Jijuan(Information and Communication Branch of State Grid Fujian Power Co.,LTD.,Fuzhou 350001,China;State Grid Xintong Yili Technology Co.,LTD.,Fuzhou 350001,China)

机构地区：[1]国网福建省电力有限公司信息通信分公司,福州350001 [2]国网信通亿力科技有限责任公司,福州350001

出　　处：《国外电子测量技术》

年　　份：2020

卷　　号：0

期　　号：2

起止页码：77-82

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：由于含分布式电源的智能电网负荷预测较难,提出了基于K-means算法和粒子群优化算法-最小二乘法支持向量机(PSO-LSSVM)的智能电网负荷预测方法。采用K-means算法对电力负荷用户进行聚类,以降低负荷预测时季节带来的影响。提出来采用PSO算法优化LSSVM算法,提高LSSVM算法的计算精度并降低算法的计算时间。对K-means算法聚类后的电力用户采用PSO-LSSVM算法进行负荷预测,并采用PSO-LSSVM算法对分布式电源的出力情况进行预测。电力调度人员根据区域所需负荷与分布式电源的出力情况,进行负荷调整,实现电网的安全稳定运行。仿真结果验证了所提PSOLSSVM比传统的LSSVM具有更高的预测精度;所提方法能够有效提高电力系统稳定性。

关 键 词：分布式电源 K-MEANS 粒子群 最小二乘支持向量机

分 类 号：TM76] TM715