數(shù)據(jù)挖掘在短期電力負荷預(yù)測中的應(yīng)用研究.pdf

1、電力系統(tǒng)短期負荷預(yù)測是電力系統(tǒng)調(diào)度運營部門的一項重要工作，預(yù)測精度的高低直接影響到電力系統(tǒng)運行的安全性、經(jīng)濟性和供電質(zhì)量。短期負荷預(yù)測是從已知的社會經(jīng)濟發(fā)展和電力需求出發(fā)，通過對歷史數(shù)據(jù)的研究分析，對未來一天的系統(tǒng)負荷進行估計和推算。影響電力負荷的因素很多，這些因素對負荷的影響具有非線性、復(fù)雜性、滯后性等特點。如果影響因素沒有分析正確，要得到準(zhǔn)確的負荷預(yù)測是相當(dāng)困難的。
　　 要進行準(zhǔn)確的負荷預(yù)測，必須對歷史數(shù)據(jù)進行深入分析。由

2、于數(shù)據(jù)挖掘技術(shù)具有從海量信息中挖掘知識的能力，因此在負荷預(yù)測中引入了數(shù)據(jù)挖掘理論，以期建立精確的預(yù)測模型。本文通過制定各種數(shù)據(jù)挖掘元模式，指導(dǎo)數(shù)據(jù)挖掘引擎對歷史數(shù)據(jù)進行挖掘，來發(fā)現(xiàn)有用的知識。這些知識包括影響負荷變化的因素、因素變化時負荷變化的規(guī)律、與預(yù)測日輸入信息最適合的訓(xùn)練樣本及預(yù)測樣本等。在預(yù)測模式和模型算法的選擇上，充分考慮季節(jié)、氣象、溫度和節(jié)假日等因素，運用逐級均值聚類算法對以上因素進行多層次、多細節(jié)分解聚類并分類。將人工神經(jīng)

3、網(wǎng)絡(luò)模型引入到短期負荷預(yù)測，選取歷史數(shù)據(jù)樣本利用BP網(wǎng)絡(luò)算法進行訓(xùn)練。對影響短期電力負荷的重要因素加權(quán)，用實際負荷數(shù)據(jù)進行了驗證和動態(tài)調(diào)整，具有較高的預(yù)測精度。
　　 針對電網(wǎng)調(diào)度部門的實際需要，開發(fā)了一套基于調(diào)度自動化系統(tǒng)的短期電力負荷預(yù)測系統(tǒng)。該系統(tǒng)集成于地區(qū)電網(wǎng)的調(diào)度自動化系統(tǒng)，具有較好的實時性、經(jīng)濟性和實用性，采用面向?qū)ο笤O(shè)計方法對負荷預(yù)測系統(tǒng)結(jié)構(gòu)進行設(shè)計。實現(xiàn)多種負荷預(yù)測及評估功能體系，滿足短期負荷預(yù)測的各種性能指標(biāo)。