对一种基于聚类分析的短期电力负荷预测方法研究

《对一种基于聚类分析的短期电力负荷预测方法研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第27卷第3期浙江水利水电学院学报V01．27NO．3J．ZhejiangUnivofWat．Res&ElectricPowSep．20152015年9月一种基于聚类分析的短期电力负荷预测方法研究包晓晖，陈冲，肖方顺(1．福建水利电力职业技术学院，福建永安366000；2．福'hi大学电气工程与自动化学院福建福州350116；3．国网福建省电力有限公司，福建福州350003)摘要：基于数据处理理论，提出将电力负荷历史数据按重要影响因素日子类别及温度区间进行聚类分析的方法，设计一个递归模型，使得短期电力负荷预测函数变成线性问

2、题，并进行MATLAB编程仿真，最后通过算例分析验证了该模型具有较高的可操作性、有效性与预测精确性．关键词：聚类分析；MATLAB；电力负荷预测；数据处理中图分类号：TM715文献标志码：A文章编号：1008—536X(2015)09—0073—04OnShort-termElectricLoadForecastingBasedonClusterAnalysisBAOXiao—hui。CHENChong，XIAOFang—shun，(1．FujianCollegeofWaterConservancyandElectricP

3、ower，Yongan366000，China；2．CollegeofElectricalEngineeringandAutomation，FuzhouUniversity，Fuzhou350116，China；3．StateGridFujianElectricPowerCO．，LTD．，Fuzhou350003，China)Abstract：Amodelforclusteranalysisonelectricloadhistorydataisproposedinthispaperbasedonthedaytypeandt

4、ern-peratureinterval，andarecursivemethodisdesignedtomaketheshort—termelectricloadforecastingfunctionintoalinear，whichisprogrammedandsimulatedwithMATLAB．Afterall，theadvantageofthemodelistested，provingitsoperability，validityandaccuracyofpredictionbycaseanalysis．Keyw

5、ords：clusteranalysis；MATLAB；electricloadforecasting；dataprocessing技术和神经网络分别应用于时间序列的改进方法．0引言文献[6—7]则分析了电力短期负荷的众多影响因当前，随着我国电力供需矛盾日益突出、电力素，比较了几种不同的预测方法，但明确目前尚无工业市场化运营的进一步发展，电力负荷预测越显绝对精确的数学模型．其重要性，其预测的精确度要求越来越高，这既是在前述研究的基础上，笔者提出了一种基于数电力系统规划的重要组成环节，也是电力系统优化据处理和聚类分析的短期电

6、力负荷预测方法，即对调度的基础工具．由于短期电力负荷预测的重要电力负荷的历史数据进行处理，研究其影响因素性，自20世纪80年代以来，国内外许多学者都对其(本文主要以日子类别和温度区间为例)，对此进行理论和方法进行了广泛而深入的研究．其中，文献聚类分析，使其负荷数据呈现出很强的共性与表征[1—2]利用人工智能网络具有较强的非线性映射性，并建立一个递归模型，将电力负荷预测函数由能力的特点，将人工智能网络引入模糊数学方法进非线性问题变成线性函数，具有更强的可操作性、行短期负荷预测，文献[3]中则采用小波分析方法有效性和更高的精确

7、度．进行非参数化预测，文献[4—5]提出了将模糊逻辑1负荷预测问题分析收稿日期：2015—06．20基金项目：福建省水利中青年学科带头人基金项目；福建省教1．1关于电力负荷趋势问题育厅科研项目(JB13313)．众所周知，电力负荷是一个区域范围内用电设作者简介：包晓晖(1974一)，男，福建屏南人，副教授，硕士，主要从事电力系统规划、设备与装置的教学与研究．备所消耗的电力或电量的数值，而影响每个用电设74浙江水利水电学院学报第27卷备消耗电能多少的因素则很多，例如经济、时间、气流多数较大，可以单独列为一类；对于六天工作制候

8、和随机干扰等．显而易见，在电力规划与预测中，的企业而言，星期六照常工作，但对于电力负荷全应用随机变量来表示电力负荷．局来分析是一个调整的状态，故星期六也可以特殊建模时，可记负荷的k次迭代函数为z(k)，均值列为一类；星期日和国家规定的节假日是比较稳定为r()，方差为s()．因而，负荷预测问题即为最的假期