Print

基于K-Adaboost数据挖掘的配电网负荷预测

论文摘要

气象因素是造成配电网负荷波动的主要原因,在利用斯皮尔曼相关系数分析气象因素与配电网负荷相关性的基础上,着重把握部分气象因素与配电网负荷的联系,针对这类气象因素对配电网负荷的影响,提出一种基于数据挖掘聚类分析和Adaboost的负荷预测方法。首先对历史负荷数据进行预处理,然后应用K均值聚类算法对待测点气象因素进行分析,选择与待测点同类气象因素的历史负荷作为训练样本,最后采用Adaboost算法建立配电网负荷预测模型。通过实例证明K-Adaboost预测模型比BP神经网络预测模型更加稳定并且更贴近实际负荷。

论文目录

  • 0 引言
  • 1 气象因素对配电网负荷的影响
  •   1.1 气象因素影响下配电网负荷的特点
  •   1.2 负荷与气象因素的相关性
  •   1.3 同类气象因素的选择
  • 2 预测模型的选择与设计
  •   2.1 弱分类器BP神经网络
  •   2.2 基于BP神经网络的Adaboost预测算法
  • 3 建立配电网负荷预测模型
  •   3.1 样本数据的收集与处理
  •   3.2 样本数据归一化处理
  •   3.3 弱分类器结构及其参数设置
  •   3.4 预测模型流程
  • 4 案列验证
  •   4.1 多因素输入预测结果
  •   4.2 单因素输入预测结果
  •   4.3 预测结果评测
  • 5 结语

    • 文章来源

    类型: 期刊论文

    作者: 刘伟,张锐锋,彭道刚

    关键词: 配电网负荷,负荷预测,均值算法

    来源: 浙江电力 2019年01期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 电力工业,计算机软件及计算机应用

    单位: 上海电力大学自动化工程学院上海发电过程智能管控工程技术研究中心,贵州电网有限责任公司电力科学研究院

    基金: 上海市“科技创新行动计划”社会发展领域项目(16DZ1202500)

    分类号: TM715;TP391.41

    DOI: 10.19585/j.zjdl.201901018

    页码: 104-110

    总页数: 7

    文件大小: 543K

    下载量: 218

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/249f5ce512a3d8d03626ef17.html