考虑气象因素的精细化短期负荷预测模型研究

摘要

cqvip:传统的负荷特性分析方法,由于基础数据及处理方法的限制一般无法达到用户级的精细化预测。研究基于大数据技术中的决策树、神经网络等算法建立用户级的短期负荷预测模型,首先基于灰色关联度分析方法,定量分析气象因素对用电负荷特性的影响,并选取关键影响因素,作为决策树算法的输入向量;在对用户的历史负荷数据进行聚类分析后,为每一条日负荷曲线建立类别标签;通过决策树算法建立分类规则,并将待预测日进行分类;最终采用Elman神经网络对某用户进行短期负荷预测,验证模型的有效性。