文献类型：期刊文章

作　　者：林顺富[1,2] 郝朝[1] 汤晓栋[3] 李东东[1,2] 符杨[1]

机构地区：[1]上海电力学院电气工程学院,上海200090 [2]上海高校高效电能应用工程研究中心,上海200090 [3]上海电器科学研究所,上海200063

出　　处：《电力系统保护与控制》

基　　金：上海市科委科创项目(14DZ1201602);国家自然科学基金项目(51207088);上海绿色能源并网工程技术研究中心(13DZ2251900);国网公司科技项目(SGRI-DL-71-14-004)~~

年　　份：2016

卷　　号：44

期　　号：7

起止页码：83-89

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD_E2015_2016、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：楼宇短期负荷预测是楼宇能效管理系统中对用能子系统进行评估诊断、优化控制以及调度规划的重要基础。针对智能楼宇参与需求响应所需高精度、实时负荷信息的要求,提出一种基于数据挖掘支持向量机的楼宇短期负荷预测方法。选择与待预测时点相似相近的样本数据集,采用K-means算法对样本数据集中的温度、湿度、气压等气象数据进行聚类,根据聚类结果提取训练样本,最后采用支持向量机(SVM)算法建立负荷预测模型。实际应用结果表明,该方法预测结果平均相对误差为1.34%,相对误差在1%以内的概率达到67.5%,优于现有的时间序列法、同结构SVM法、不考虑气象因素的DMSVM法等方法。

关 键 词：楼宇能效管理  负荷预测 数据挖掘 支持向量机 聚类分析

分 类 号：TU855[建筑类] TP311.13]