基于K-Means和CNN的用户短期电力负荷预测

• 作者: 吕志星 张虓 王一 王沈征 秦承龙 程思瑾
• 来源期刊: 计算机系统应用
• 关键词: 聚类 相关性分析 卷积神经网络(CNN) 短期电力负荷预测
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 161-166
• 页数: 6页
• 字数: 3848字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007287

摘要

随着电力物联网的不断发展,用户级电力负荷预测在电力需求侧管理中呈现出日益重要的作用.为了提高用户级电力负荷预测的性能,本文提出一种基于K-means聚类与卷积神经网络特征提取的短期电力负荷预测模型.首先,利用K-means将用户聚为两类:对于日相关性强的用户,将相邻时刻和日周期的历史负荷作为输入,采用CNN模型提取特征进行预测;对于日相关性弱的用户,仅将相邻时刻的历史负荷输入到CNN模型进行预测.为了验证所提出算法的性能,我们在实际的用户负荷数据上做了实验,并与随机森林、支持向量回归机进行对比,结果表明本文所构建模型的预测平均绝对百分误差降低了20％以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王一		8	4	1.0	2.0
2	秦承龙		6	5	1.0	2.0
3	王沈征		2	0	0.0	0.0
4	吕志星		1	0	0.0	0.0
5	张虓		1	0	0.0	0.0
6	程思瑾		1	0	0.0	0.0