电力系统供电短期负荷预测方法仿真研究

《电力系统供电短期负荷预测方法仿真研究》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34卷第1期计算机仿真2017年1月文章编号：1006—9348(2017)01—0104—05电力系统供电短期负荷预测方法仿真研究李黎1，杨升峰1，邱金鹏2，牛东晓2(1．国网浙江省电力公司经济技术研究院，浙江杭州310008；2．华北电力大学经济与管理学院，北京102206)摘要：针对电力系统供电短期负荷进行准确预测为了保证电网安全稳定的运行。但传统方法进行电力系统供电短期负荷预测存在预测误差大、实时性差的弊端。提出一种新的电力系统供电短期负荷预测方法，利用K—meallS数据挖掘模型将区域用户划分为6个群组。使得同一群体中的样本

2、具有相似性，提高预测精度。在预测模型的输入变量中，综合考虑了自然环境与历史负荷因素，结合改进的布谷鸟优化的支持向量机模型(ICSSVM)进行分项预测，综合得到最后的预测结果，仿真结果表明。上述模型能得到更精确的预测结果。关键词：数据挖掘；布谷鸟搜索算法；支持向量机；负荷预测中图分类号：TM715文献标识码：BPowerSystemSimulationResearchPowerShort—．termLoadForecastingMethodYANGSheng-fen91，LILi1，QIUJin-pen92，NIUDong-xia02(1

3、．StateGridZhejiangElectricPowerCompanyEconomicResearchInstitute，Hangzhou，310008，China；2．SchoolofBusinessandManagement，NorthChinaElectricPowerUniversity，Beijing，102206，China)ABSTRACT：Itcanguaranteesafeandstableoperationofpowergddtopredictpowersupplyshort-termloadofpow-ers

4、ystemaccurately．Traditionalmethodhasdisadvantageofgreatpredictionerrorandpoorreal-time．Inthispaper，weproposeanewpredictionmethod．ItdividesareausersintosixclustersviatheK—meansdatamining(DM)mod-e1．ItmakestheSanleclustersamplehavesimilarityandimprovesthepredictionaccuracy．

5、Intheinputvariableofpredictionmodel，wetakesnaturalenvironmentandhistoricalloadintoaccount．Finally，weintegratethemodifiedCuckooSearchSupportVectorMachine(ICSSVM)togetitemizedprediction，andthelastpredictionresultisob—tained．Thesimulationresultsshowthatabovemodelhasmoreaccu

6、ratepredictionresultsthanthetraditionalmethod．KEYWORDS：Datamining；Cuckoosearch；SupportVectorMachine(SVM)；Loadprediction1引言对电力系统供电短期负荷进行预测可以提高电网运行的安全性，同时对电力企业的生产经营决策与效益产生巨大影响，意义重大。短期电力负荷预测模型主要包括传统预测方法以及现代智能预测方法[1-2]。传统预测方法[3]包括基于回归模型、时间序列模型、灰色预测的负荷预测方法，这些方法形式简单，但预测精度差；智能预

7、测模型有主要有神经网络[4‘5]、支持向量机模型(SVM)等。而SVM在复杂系统中相较神经网络具有更高的预测精度。但其参数较难确定，有学者将粒子群(tx30)、遗传算法(GA)等优化算法引入SVM中以克服这一缺点[6]。而布谷鸟算法(CS)作为近年来提出的新算法，基金项目：国家自然科学基金资助项目(71471059)收稿日期：2016—04一01修回日期：2016—04—19—104一与SVM结合得到的预测结果比常用的PSO、GA等算法拟合精度更高[7】，但布谷鸟算法初始参数无法动态改变，可能无法得到全局最优解。因此如何进行布谷鸟算法参

8、数的动态调整，以得到更小的预测误差仍有待进一步研究。本文基于电力大数据信息，从电力用户的信息特征进行信息挖掘，从电价类别、电压等级、功率因数、日用电量、日最大负荷、日最小负荷、日平均负荷、日谷峰差、负荷曲线