基于数据挖掘的楼宇短期负荷预测方法研究

• 作者: 李东东 林顺富 汤晓栋 符杨 郝朝
• 来源期刊: 电力系统保护与控制
• 关键词: 楼宇能效管理 负荷预测 数据挖掘 支持向量机 聚类分析
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 应用研究
• 页码范围: 83-89
• 页数: 7页
• 字数: 3710字
• 语种: 中文
• DOI: 10.7667/PSPC151318

摘要

楼宇短期负荷预测是楼宇能效管理系统中对用能子系统进行评估诊断、优化控制以及调度规划的重要基础。针对智能楼宇参与需求响应所需高精度、实时负荷信息的要求，提出一种基于数据挖掘支持向量机的楼宇短期负荷预测方法。选择与待预测时点相似相近的样本数据集，采用K-means算法对样本数据集中的温度、湿度、气压等气象数据进行聚类，根据聚类结果提取训练样本，最后采用支持向量机(SVM)算法建立负荷预测模型。实际应用结果表明，该方法预测结果平均相对误差为1.34%，相对误差在1%以内的概率达到67.5%，优于现有的时间序列法、同结构SVM法、不考虑气象因素的DMSVM法等方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	符杨	上海电力学院电气工程学院	182	2576	27.0	44.0
2	李东东	上海电力学院电气工程学院	70	735	14.0	25.0
4	林顺富	上海电力学院电气工程学院	34	294	9.0	17.0
6	郝朝	上海电力学院电气工程学院	2	42	2.0	2.0
7	汤晓栋		4	54	3.0	4.0