资源描述：
《基于改进数据驱动子空间算法的电力负荷预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、第41卷第5期计算机工程2015年5月Vol.41No.5ComputerEngineeringMay2015·开发研究与工程应用·文章编号:1000-3428(2015)05-0311-05文献标识码:A中图分类号:TP181基于改进数据驱动子空间算法的电力负荷预测a,ba,b姚佳馨,田慧欣(天津工业大学a.电气工程与自动化学院;b.电工电能新技术天津重点实验室,天津300387)摘要:在钢铁企业中,电力负荷消耗规模相对较小,未呈现明显的周期性变化特征,而工序变化会导致瞬间电力负荷波动较大,传统负荷预测模型对工业用电预测效
2、果不佳,无法有效预测出用户的突发性扰动。采用数据驱动的子空间方法预测钢铁企业电力负荷,分别建立基于子空间算法的电力日负荷预测、超短期负荷预测2个模型。为提高预测模型准确率,引入反馈因子和遗忘因子来改善标准子空间算法的性能。以实际电力负荷数据的测试验证该方法的实用性,预测结果能够为钢铁企业的电力负荷预测和二次能源智能管理提供有效的决策支持。关键词:数据驱动子空间;反馈因子;遗忘因子;小波变换;电力负荷预测;智能管理中文引用格式:姚佳馨,田慧欣.基于改进数据驱动子空间算法的电力负荷预测[J].计算机工程,2015,41(5):3
3、11-315.英文引用格式:YaoJiaxin,TianHuixin.PowerLoadPredictionBasedonImprovedData-drivenSubspaceAlgorithm[J].ComputerEngineering,2015,41(5):311-315.PowerLoadPredictionBasedonImprovedData-drivenSubspaceAlgorithma,ba,bYAOJiaxin,TIANHuixin(a.SchoolofElectricalEngineeringandAu
4、tomation;b.TianjinKeyLabofAdvancedTechnologyofElectricalEngineeringandEnergy,TianjinPolytechnicUniversity,Tianjin300387,China)【Abstract】Inironandsteelenterprises,powerloadconsumingissmall.Itdoesnotrenderthepronouncedcyclicalvariations.Processchangeleadstoinstantloa
5、dfluctuations.Thetraditionalloadpredictionmodelcannoteffectivelypredictusers’suddendisturbance.Asubspacemethodfordata-drivenpredictionpowerloadofsteelenterprisesisusedbasedonsubspacealgorithmtoestablishultra-shorttermloadpredictionofpowerdailyloadpredictionmodel.To
6、improvetheaccuracyofpredictionmodels,itintroducesthefeedbackfactorandforgettingfactortoimprovestandardsubspacealgorithmperformance.Toactualloadtestdatatoverifythepracticalityoftheapproachmethod,theresultscanprovideelectricityloadpredictioninsteelenterpriseandsecond
7、aryenergysmartmanagementprovidesaneffectivedecisionsupport.【Keywords】data-drivensubspace;feedbackfactor;forgettingfactor;wavelettransform;powerloadprediction;intelligentmanagementDOI:10.3969/j.issn.1000-3428.2015.05.058[3][4]的预测方法有人工神经网络、支持向量机等。1概述神经网络法具有良好的非线性映射能力
8、以及自学习能源是现代工业的基础,在大型工业企业,尤其能力,通常根据足够的先验知识确定输入和输出变[1]是钢铁企业中,电能是生产的主要能源之一。电量间的关系,但倘若网络结构选取不当,预测结果难力负荷预测在合理安排电能、保证设备安全高效运以令人满意,当有效的负荷数据量有限,神经网络的行,以及在
