基于多核模糊C均值聚类的配电网短期负荷预测

• 作者: 孙景钌 胡长洪 项烨鋆 赵碚 刘津源 陈梦翔 蔡昌春
• 来源期刊: 浙江电力
• 学科: 工学
• 关键词: 短期负荷预测 多核模糊C均值 LSTM神经网络 气象因素
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 智能电网|Smart Grid
• 页码范围: 65-71
• 页数: 7页
• 分类号: TM715
• 语种: 中文
• DOI: 10.19585/j.zjdl.202203008

摘要

精准、高效的短期负荷预测是电力系统运行与调度的基础,负荷-气象因素的强耦合关系使得负荷预测过程中必须考虑气象因素.首先从影响电力负荷波动的气象因素出发,分析负荷样本数据的气象因素相关性,通过构造多核模糊C均值聚类函数实现负荷、气象数据的低维非线性至高维线性空间映射,完成基于负荷影响因素的聚类划分,获得强相关气象因素.接着,在传统LSTM(长短期记忆)神经网络中引入反馈环节,融合前向和反向计算机制消除LSTM训练过程的累计误差,构建基于深度学习的多层堆叠模式并应用于负荷预测中.然后,以历史负荷数据的聚类结果为训练样本,深度挖掘负荷-气象因素的耦合特征,从而提高负荷预测精度.最后,通过实际运行数据验证提出方法的合理性和准确性.