用户特征聚类和ICSA-SVR台区负荷预测

摘要

为提高配电网负荷预测精度,提出一种将模糊C均值(FCM)聚类与改进乌鸦搜索算法(ICSA)优化支持向量回归机(SVR)相结合的低压台区负荷预测模型。利用FCM算法对台区用户用电特征进行提取和聚类,消除用电行为特性差异对预测精度的影响,并构建ICSA-SVR模型,对各类用户的用电负荷进行回归预测,进而叠加得到台区负荷预测结果。结果显示,台区内不同类型用户之间的用电特性差异较大,可分冬季单峰型、夏季单峰型和冬夏双峰型三类,各台区负荷呈现不同的季节性波动;该方法能够明显提升台区负荷预测精度,预测结果可对电力生产运营提供指导。