基于决策树的电力负荷预测模型研究

摘要

短期负荷预测是电力系统运行调度中一项十分重要的工作，同时也是能量管理系统(EMS)的重要组成部分。短期负荷预测是电力系统经济、可靠运行的前提和基础，其预测精度的高低会影响系统运行的经济性和供电质量。因此，研究负荷的特性、负荷理论以及预测方法，并开发具有一定实用性的负荷预测系统已经成为当前非常重要的课题。本文主要针对负荷数据的预处理、预测方法以及系统设计与开发进行了研究。
　　 本文从寻求准确的短期电力负荷预测目的出发，采用基于改进型决策树的负荷预测方法，有效地考虑了非负荷因素对短期负荷预测的影响，结合实际运行情况，建立改进型决策树的预测模型，并和传统决策树算法相比较，得出较好的预测结果。
　　 本文首先采用聚类算法对负荷预处理，通过k-means算法提取出负荷特征曲线，特征曲线代表了该类负荷的正常曲线模式，然后依据特征曲线对异常负荷数据进行检测和修正，并采用粗糙集方法对决策树的测试属性进行约简，剔除对决策属性无关的影响因素。针对决策树ID3算法的缺陷，对测试属性选择方法进行优化，采用改进型MBID3算法，通过使用一个训练集对两种算法建立的决策树比较，得出结论，MBID3比ID3算法构造的决策树更为理想。
　　 本文从面向对象的观点出发，实现了k-means算法以及改进型MBID3算法，并且在此基础上设计并实现了负荷预测系统。实例分析结果表明，该系统能够取得比较满意的效果。