基于数据特征挖掘的电采暖小区短期负荷预测方法

• 作者: 刘文霞 夏明超 曾爽 杨烁 王钊 郭敏 陈奇芳
• 来源期刊: 供用电
• 学科: 工学
• 关键词: 特征挖掘 极限学习机 电采暖 煤改电 负荷预测
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 配电
• 页码范围: 48-54
• 页数: 7页
• 分类号: TM71
• 字数: 4493字
• 语种: 中文
• DOI: 10.19421/j.cnki.1006-6357.2019.12.008

摘要

由于电采暖负荷随机波动性强,且功率比重较大,从而导致电采暖小区负荷较频繁地大范围波动,基于常规时间序列的短期负荷预测模型缺乏对波动特性的捕捉能力.针对该问题,充分分析了电采暖小区负荷的波动特征,提出了一种基于历史数据特征挖掘的指标集模型和指标计算方法,用于从历史负荷数据中充分挖掘电采暖负荷的特点,形成历史数据特征集.然后,以历史数据特征集构建训练样本,提出了基于核函数极限学习机(kernel extreme learning machine,KELM)的电采暖小区负荷预测模型.最后,基于实际历史数据进行模型性能验证,结果表明所提的特征指标集模型能够有效挖掘历史数据特征,有利于提高短期负荷预测模型的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘文霞	华北电力大学电气工程学院	89	1146	18.0	31.0
2	夏明超	北京交通大学电气工程学院	24	282	8.0	16.0
3	郭敏	北京交通大学电气工程学院	4	7	2.0	2.0
4	王钊		3	6	2.0	2.0
5	曾爽		14	40	4.0	6.0
6	杨烁		7	13	3.0	3.0
7	陈奇芳	北京交通大学电气工程学院	6	31	3.0	5.0