文献类型：期刊文章

作　　者：胡乙丹[1] 姜吉祥[2] 董霞[3]

HU Yidan;JIANG Jixiang;DONG Xia(Zijin College,Nanjing University of Science and Technology,Nanjing 210023,China;Nantong Power Supply Branch,State Grid Jiangsu Electric Power Co.,Ltd.,Nantong 226006,China;Nanjing University of Posts and Telecommunications,Nanjing 210023,China)

机构地区：[1]南京理工大学紫金学院,江苏南京210023 [2]国网江苏省电力有限公司南通供电分公司,江苏南通226006 [3]南京邮电大学,江苏南京210023

出　　处：《电力信息与通信技术》

年　　份：2022

卷　　号：20

期　　号：5

起止页码：54-60

语　　种：中文

收录情况：RCCSE、UPD、ZGKJHX、普通刊

摘　　要：预先作出准确的负荷预测有助于稳定电网市场,是电网安全调度与平稳运行的基础。考虑到目前研究的单一预测方法存在的不足,文章探讨了负荷变化趋势与温度、日类型等特征之间的关系,并提出了一种K-Means聚类与交叉验证和网格优化相结合的支持向量机(support vector machine,SVM)短期负荷预测方法(STLF-SK)。所提方法包括负荷数据预处理、K-Means聚类、模型参数优化以及模型的训练等步骤。在实际电力负荷数据集下,与LSTM、决策树和线性回归算法进行对比,实验结果表明,提出的STLF-SK方法有更高的预测准确性和平稳性,取得了较好的预测效果。

关 键 词：短期负荷预测 K-MEANS 交叉验证  网格搜索 SVM

分 类 号：TM715]