基于自组织特征映射的连续多日负荷预测方法研究

• 作者: 周尚珺玺 马立新
• 来源期刊: 机电工程
• 学科: 工学
• 关键词: 连续多日负荷预测 特征提取 自组织特征映射聚类 日最大负荷
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 电工技术
• 页码范围: 342-346
• 页数: 5页
• 分类号: TM715
• 字数: 4335字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4551.2016.03.018

摘要

针对影响连续多日每日最大负荷的因素较多且构成复杂,连续多日负荷预测方法少难度大、含节假日的连续多日负荷预测精度低等问题,分析了近几年工作日电力负荷数据特点,研究了自组织特征映射(Self-Organizing Feature Map,SOM)聚类算法并将其用于负荷数据的预处理,研究了节假日负荷的特性,总结了其负荷变化规律并加以区分预测,提出了一种基于自组织特征映射神经网络的连续多日负荷预测新方法.该方法区分普通工作日与节假日,普通工作日采用自组织特征映射神经网络聚类方法对日最大负荷进行特征提取,建立了以周期特征相似的历史数据作为训练样本的神经网络模型,节假日设定假日影响因子单独预测.运用某市近年的负荷数据进行预测,算例结果显示综合预测误差为3.21％,表明该方法预测精度完全满足实际需求,为连续多日最大负荷预测提供了一种可行的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马立新	上海理工大学光电信息与计算机工程学院	146	650	11.0	17.0
2	周尚珺玺	上海理工大学光电信息与计算机工程学院	3	22	2.0	3.0