基于变压器特性数据聚类的电力负荷分布式预测

• 作者: 乡立 吴琼 孙毅 段炼 魏艳霞 黄锦增
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 短期负荷预测 K-means-LSTM网络模型 信息冗余 核主成分分析 特征样本训练基
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 电网运行与控制
• 页码范围: 69-77
• 页数: 9页
• 分类号: TM715.1
• 字数: 5081字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2020.008.009

摘要

针对大量变压器数据的冗余性与非结构化、半结构化、结构化特性,提出一种基于变压器特性数据聚类的长短期记忆(long short term memory,LSTM)网络模型预测方法.首先,采用核主成分分析(kernel principal component analysis,KPCA)方法对高维非线性的变压器特性数据进行降维;然后,采用K-means算法划分不同变压器预测类型,提取各分类中心变压器负荷曲线,通过LSTM网络训练特征样本训练基,构建负荷预测模型;最后,采用灰色关联度算法对同一类型的变压器进行关联度评价,并将最高与最低关联度的变压器负荷数据输入特征样本训练基,验证模型的有效性.将所提出的K-means-LSTM网络模型与基于自适应矩估计的LSTM(adaptive moment estimation-LSTM,ADAM-LSTM)网络模型的短期负荷预测结果进行对比分析,结果表明K-means-LSTM网络模型在运行时间上具有显著优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙毅	华北电力大学电气与电子工程学院	120	1005	16.0	26.0
2	乡立		3	0	0.0	0.0
3	段炼		2	0	0.0	0.0
4	吴琼		1	0	0.0	0.0
5	黄锦增		2	0	0.0	0.0
6	魏艳霞		1	0	0.0	0.0