基于K-Adaboost数据挖掘的配电网负荷预测

• 作者: 刘伟 张锐锋 彭道刚
• 来源期刊: 浙江电力
• 学科: 工学
• 关键词: 配电网负荷 负荷预测 K均值算法 Adaboost
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 电力大数据
• 页码范围: 104-110
• 页数: 7页
• 分类号: TM715+.1
• 字数: 4251字
• 语种: 中文
• DOI: 10.19585/j.zjdl.201901018

摘要

气象因素是造成配电网负荷波动的主要原因,在利用斯皮尔曼相关系数分析气象因素与配电网负荷相关性的基础上,着重把握部分气象因素与配电网负荷的联系,针对这类气象因素对配电网负荷的影响,提出一种基于数据挖掘聚类分析和Adaboost的负荷预测方法.首先对历史负荷数据进行预处理,然后应用K均值聚类算法对待测点气象因素进行分析,选择与待测点同类气象因素的历史负荷作为训练样本,最后采用Adaboost算法建立配电网负荷预测模型.通过实例证明K-Adaboost预测模型比BP神经网络预测模型更加稳定并且更贴近实际负荷.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭道刚	上海电力大学自动化工程学院上海发电过程智能管控工程技术研究中心	157	1369	20.0	28.0
2	张锐锋	贵州电网有限责任公司电力科学研究院	9	9	3.0	3.0
3	刘伟	上海电力大学自动化工程学院上海发电过程智能管控工程技术研究中心	4	8	2.0	2.0