基于數據驅動的短期電力負荷預測方法研究.pdf

1、電力系統(tǒng)負荷預測已經成為電力系統(tǒng)管理現代化的重要研究課題之一，尤其是短期負荷預測，在電力企業(yè)的生產和運行中發(fā)揮著重要的作用。影響短期負荷預測的因素有很多，不同的地區(qū)、不同的季節(jié)、不同的星期類型都不盡相同，任何一種單一模型都不可能在任何時候滿足負荷預測的精度要求，在沒有找到合適的滿足精度的單一預測模型前，能否找到一種通用的組合預測模型對負荷預測有個大致的判斷或者是在精度方面接近預測效果較好的單一預測模型，并且在預測結果的魯棒性方面和降低預

2、測風險方面有著明顯的增強是本文主要研究的目的。
　　本文在對大量原始的電力負荷數據和氣象數據進行收集和整理的同時，將數據挖掘和神經網絡相結合的短期負荷預測模型與聚類分析和支持向量機相結合的短期負荷預測模型作為組合預測模型中的單項模型，并且將優(yōu)勢矩陣法應用到組合預測模型的權重分析上來，通過實驗數據與實際負荷值的比較證實該組合模型在實際應用中的可行性。本文的主要工作有:
　　(1)詳細論述了負荷預測的基本原理和相關要求，分析了應

3、用于短期負荷預測基本方法和基本步驟，并闡述了什么是數據挖掘怎樣進行數據挖掘的方法。
　　(2)通過數據挖掘的基本方法從大量的歷史負荷以及其他相關數據中篩選出異常數據，將影響負荷的特征屬性按照重要程度進行排序，并將涉及的數據進行歸一化處理，構建適合的神經網絡，避免由于輸入變量過多和異常數據導致“維數災”，加重網絡訓練負擔，降低預測精度。
　　(3)分析了支持向量機的基本理論以及支持向量機核函數及參數的選擇方法，運用K-Mean