基于灰色关联分析和K均值聚类的短期负荷预测

• 作者: 黄冬梅 庄兴科 胡安铎 孙锦中 时帅 孙园 唐振
• 来源期刊: 电力建设
• 关键词: 短期负荷预测 灰色关联分析 K均值聚类 相似日 LSTM神经网络
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 电力规划|Power System Planning
• 页码范围: 110-117
• 页数: 8页
• 分类号: TM715
• 语种: 中文
• DOI: 10.12204/j.issn.1000-7229.2021.07.013

摘要

在基于相似日的短期电力负荷预测技术中,相似日的选取影响着负荷预测精度,提出一种基于灰色关联分析(grey relation analysis,GRA)和K均值(K-means)聚类选取相似日的短期负荷预测模型.首先,采用灰色关联分析方法选取相似日粗集,再对相似日粗集的外部因素使用K均值聚类.然后,计算待预测日与聚类中心的欧氏距离,将距离最小一类作为最终相似日集合.最后,利用最终相似日集合训练长短期记忆(long-short term memory,LSTM)神经网络,进行负荷预测.与未采用相似日的LSTM模型和采用传统的灰色关联分析的LSTM模型相比,所提方法的平均绝对百分比误差(mean absolute percentage error,MAPE)分别降低了0.911％、0.637％.算例分析表明,采用GRA-K-means选取相似日可以有效提升短期电力负荷的预测精度.