| 需求侧响应下基于负荷特性的改进短期负荷预测方法 |
| |
| 引用本文： | 刘云,张杭,张爱民.需求侧响应下基于负荷特性的改进短期负荷预测方法[J].电力系统保护与控制,2018,46(13):126-133. |
| |
| 作者姓名： | 刘云 张杭 张爱民 |
| |
| 作者单位： | 西安交通大学电气工程学院;西安交通大学电子与信息工程学院 |
| |
| 摘 要： | 为了提高需求侧电力负荷预测精度,针对需求侧自身特点,提出了基于负荷特性的改进短期负荷预测方法。依据需求侧负荷特性与属性聚类算法结合的方法完成两级需求侧负荷分类,并使用优化改进粒子群优化径向基神经网络(MPSO-RBF)和最小二乘支持向量机回归模型(LS-SVM)等算法建立短期预测模型进行负荷预测。利用该方法对某工业园区用电负荷进行预测,并与实际用电负荷数据和利用传统预测模型以及单一模型预测方法进行了比较分析。预测结果平均相对误差表明,基于负荷特性的改进短期负荷预测方法是有效和实用的,既能得到准确的负荷预测结果,方便需求侧用户就地进行各类负荷针对性调控,又方便管理者宏观掌控需求侧用户负荷情况,有效推动能源互联网的发展。
|
| 关 键 词： | 需求侧响应 属性聚类 改进粒子群优化径向基神经网络 最小二乘支持向量机 短期负荷预测 |
| 收稿时间： | 2017/2/10 0:00:00 |
| 修稿时间： | 2017/11/2 0:00:00 |
Improved load forecasting method based on load characteristics under demand-side response |
| |
| LIU Yun,ZHANG Hang and ZHANG Aimin.Improved load forecasting method based on load characteristics under demand-side response[J].Power System Protection and Control,2018,46(13):126-133. |
| |
| Authors: | LIU Yun ZHANG Hang and ZHANG Aimin |
| |
| Abstract: | |
| |
| Keywords: | demand side load attribute cluster MPSO-RBF LS-SVM short-term prediction |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《电力系统保护与控制》浏览原始摘要信息 |
|
点击此处可从《电力系统保护与控制》下载全文 |
