基于Softmax概率分类器的数据驱动空间负荷预测

• 作者: 丁一 叶承晋 孙可 张曼颖 王蕾 郑伟民
• 来源期刊: 电力系统自动化
• 关键词: 空间负荷预测 数据挖掘 地块 Softmax概率分类器 负荷曲线
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 学术研究
• 页码范围: 117-124
• 页数: 8页
• 字数: 8626字
• 语种: 中文
• DOI: 10.7500/AEPS20181220008

摘要

提出了一种数据驱动空间负荷预测方法.将网格化体系下的功能地块作为空间负荷预测的基本单元,并且通过多维指标体系进行属性描述.基于大量调研数据,通过数据挖掘方法对不同类型地块的空间负荷密度分布规律和负荷曲线典型形态进行提取.建立Softmax多元概率分类模型对未知地块的负荷水平类型进行匹配.自下而上对相邻地块负荷预测结果进行时域叠加,得到更大区域的预测信息,包括其负荷量和预测负荷曲线.算例仿真结果表明提出的空间负荷预测方法在预测精度上有一定提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁一	浙江大学电气工程学院	41	324	9.0	17.0
2	孙可		31	172	7.0	12.0
3	王蕾		24	165	7.0	12.0
4	郑伟民		10	42	3.0	6.0
5	叶承晋	浙江大学电气工程学院	15	244	7.0	15.0
6	张曼颖		2	7	1.0	2.0