| 基于改进的随机森林和密度聚类的短期负荷频域预测方法 |
| |
| 引用本文： | 张金金,张倩,马愿,李智.基于改进的随机森林和密度聚类的短期负荷频域预测方法[J].控制理论与应用,2020,37(10):2257-2265. |
| |
| 作者姓名： | 张金金 张倩 马愿 李智 |
| |
| 作者单位： | 安徽大学电气工程与自动化学院,安徽合肥230601;教育部电能质量工程研究中心,安徽合肥230601;国网安徽省电力有限公司,安徽合肥230073 |
| |
| 基金项目： | 国家重点研发计划项目(2016YFB0900400),国家自然科学基金(51507001), 分布式可再生能源发电集群并网消纳与用采、配自、调控系统数据融合(5212N0180061), 安徽省电力公司科技项目(5212001700), 安徽省博士后研究基金(Z01011804). |
| |
| 摘 要： | 精确的负荷预测对于电力系统的有效调度和安全运行至关重要. 本文提出基于改进的随机森林(IRF)和密度的聚类 (DBSCAN)的频域组合预测方法. 首先, 采用经验小波变换 (EWT)分解负荷, 得到不同的固有模态分量 (IMFs); 其次，根据各分量特征采用合理的方法进行预测。其中, 低频、中频分量采用IRF预测; 高频分量使用DBSCAN根据气象因素温度和湿度聚类, 再根据每类的样本特性选择处理方法. 最后, 叠加各分量的预测值, 获取负荷预测值. 根据某地市现场负荷数据进行实验，预测结果分别与EWT-IRF、EWT-随机森林 (RF)、经验模态分解(EMD)- IRF模型的预测结果进行对比. 结果表明, 提出的模型具有更高的预测精度, 反映了实际负荷的随机性.
|
| 关 键 词： | 负荷预测 基于改进的随机森林 基于密度的聚类 经验小波变换 |
| 收稿时间： | 2019/12/6 0:00:00 |
| 修稿时间： | 2020/8/10 0:00:00 |
Short-term load frequency domain method prediction method based on IRF and DBSCAN |
| |
| ZHANG Jin-jin,zhangqian,mayuan and lizhi.Short-term load frequency domain method prediction method based on IRF and DBSCAN[J].Control Theory & Applications,2020,37(10):2257-2265. |
| |
| Authors: | ZHANG Jin-jin zhangqian mayuan and lizhi |
| |
| Affiliation: | School of Electrical Engineering and Automation, Anhui University,School of Electrical Engineering and Automation, Anhui University,School of Electrical Engineering and Automation, Anhui University,State Grid Anhui Electric Power Co, Anhui Ltd |
| |
| Abstract: | |
| |
| Keywords: | load forecasting IRF DBSCAN EWT |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《控制理论与应用》浏览原始摘要信息 |
|
点击此处可从《控制理论与应用》下载全文 |
|
