發(fā)布時(shí)間：2018-09-12 14:54

【摘要】：隨著智能電網(wǎng)的不斷發(fā)展,電力企業(yè)積累的大量數(shù)據(jù)為用戶用電量精細(xì)化預(yù)測(cè)提供了數(shù)據(jù)基礎(chǔ)。針對(duì)與用電量預(yù)測(cè)相關(guān)的大數(shù)據(jù)種類多、體量大、維度高和生成速度快等特點(diǎn),在研究用戶用電特性評(píng)價(jià)指標(biāo)的基礎(chǔ)上,提出海量用戶用電特性子空間聚類分析方法,挖掘用戶多種用電模式。根據(jù)不同用電模式對(duì)用戶進(jìn)行群體劃分,并利用互信息矩陣從區(qū)域及行業(yè)經(jīng)濟(jì)數(shù)據(jù)、氣候條件,以及電力價(jià)格等方面辨識(shí)與用戶群體用電量相關(guān)聯(lián)的因素,進(jìn)而構(gòu)建基于隨機(jī)森林算法的用電量大數(shù)據(jù)預(yù)測(cè)模型。該文方法可以有效識(shí)別不同用戶群體的用電關(guān)聯(lián)因素,規(guī)避用電模式差異性為用電量預(yù)測(cè)帶來(lái)的不利影響。仿真結(jié)果表明,該方法具有較高的預(yù)測(cè)精度,且適用于大數(shù)據(jù)分析處理。
[Abstract]:With the continuous development of smart grid, a large amount of data accumulated by power enterprises provide a data basis for accurate prediction of power consumption. In view of the characteristics of big data, which is related to power consumption prediction, such as many kinds, large volume, high dimension and fast generation speed, based on the study of the evaluation index of user's power consumption characteristics, a cluster analysis method of massive user's power consumption characteristic subspace is put forward. Excavate a variety of user power patterns. According to the different power consumption modes, the users are divided into groups, and the mutual information matrix is used to identify the factors related to the electricity consumption of the user group from the aspects of regional and industry economic data, climate conditions, and electricity price, etc. Furthermore, the forecasting model of power consumption big data based on stochastic forest algorithm is constructed. The method can effectively identify the power consumption correlation factors of different user groups and avoid the adverse effects of different power consumption modes on power consumption prediction. The simulation results show that this method has high prediction accuracy and is suitable for big data analysis.
【作者單位】： 電力傳輸與功率變換控制教育部重點(diǎn)實(shí)驗(yàn)室(上海交通大學(xué));中國(guó)電力科學(xué)研究院;
【基金】：國(guó)家863高技術(shù)研究發(fā)展計(jì)劃項(xiàng)目(2015AA050203) 國(guó)家電網(wǎng)公司科技項(xiàng)目(520900150037)~~
【分類號(hào)】：TM714

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王麗婷;丁曉青;方馳;;基于隨機(jī)森林的人臉關(guān)鍵點(diǎn)精確定位方法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

2 康有;陳元芳;顧圣華;姚欣明;黃琴;湯艷平;;基于隨機(jī)森林的區(qū)域水資源可持續(xù)利用評(píng)價(jià)[J];水電能源科學(xué);2014年03期

3 邱一卉;林成德;;基于隨機(jī)森林方法的異常樣本檢測(cè)方法[J];福建工程學(xué)院學(xué)報(bào);2007年04期

4 馬昕;王雪;楊洋;;基于隨機(jī)森林算法的大學(xué)生異動(dòng)情況的預(yù)測(cè)[J];江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

5 劉美菊;劉冬;劉劍;;隨機(jī)森林在群控電梯交通模式識(shí)別中的應(yīng)用[J];機(jī)械設(shè)計(jì)與制造;2013年04期

6 姚登舉;楊靜;詹曉娟;;基于隨機(jī)森林的特征選擇算法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2014年01期

7 張曄;楊國(guó)田;;基于隨機(jī)森林的數(shù)據(jù)融合架空輸電線路鐵塔損傷識(shí)別[J];黑龍江科技信息;2014年20期

8 呂淑婷;張啟敏;;一類帶Poisson跳的隨機(jī)森林發(fā)展系統(tǒng)數(shù)值解的穩(wěn)定性[J];蘭州理工大學(xué)學(xué)報(bào);2012年03期

9 陳海利;孫志偉;龐龍;;基于隨機(jī)森林的文本分類研究[J];科技創(chuàng)新與應(yīng)用;2014年02期

10 莊進(jìn)發(fā);羅鍵;彭彥卿;黃春慶;吳長(zhǎng)慶;;基于改進(jìn)隨機(jī)森林的故障診斷方法研究[J];計(jì)算機(jī)集成制造系統(tǒng);2009年04期

相關(guān)會(huì)議論文 前7條

1 謝程利;王金橋;盧漢清;;核森林及其在目標(biāo)檢測(cè)中的應(yīng)用[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達(dá)數(shù)據(jù)分析的隨機(jī)森林方法及算法改進(jìn)[A];黑龍江省第十次統(tǒng)計(jì)科學(xué)討論會(huì)論文集[C];2008年

3 張?zhí)忑?梁龍;王康;李華;;隨機(jī)森林結(jié)合激光誘導(dǎo)擊穿光譜技術(shù)用于的鋼鐵分類[A];中國(guó)化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

4 相玉紅;張卓勇;;組蛋白去乙酰化酶抑制劑的構(gòu)效關(guān)系研究[A];第十一屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2011年

5 張濤;李貞子;武曉巖;李康;;隨機(jī)森林回歸分析方法及在代謝組學(xué)中的應(yīng)用[A];2011年中國(guó)衛(wèi)生統(tǒng)計(jì)學(xué)年會(huì)會(huì)議論文集[C];2011年

6 馮飛翔;馮輔周;江鵬程;劉菁;劉建敏;;隨機(jī)森林和k-近鄰法在某型坦克變速箱狀態(tài)識(shí)別中的應(yīng)用[A];第八屆全國(guó)轉(zhuǎn)子動(dòng)力學(xué)學(xué)術(shù)討論會(huì)論文集[C];2008年

7 曹東升;許青松;梁逸曾;陳憲;李洪東;;組合樹(shù)的集合體和后向消除策略去分類P-糖蛋白化合物[A];第十屆全國(guó)計(jì)算(機(jī))化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2009年

相關(guān)博士學(xué)位論文 前4條

1 曹正鳳;隨機(jī)森林算法優(yōu)化研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2014年

2 雷震;隨機(jī)森林及其在遙感影像處理中應(yīng)用研究[D];上海交通大學(xué);2012年

3 岳明;基于隨機(jī)森林和規(guī)則集成法的酒類市場(chǎng)預(yù)測(cè)與發(fā)展戰(zhàn)略[D];天津大學(xué);2008年

4 李書(shū)艷;單點(diǎn)氨基酸多態(tài)性與疾病相關(guān)關(guān)系的預(yù)測(cè)及其機(jī)制研究[D];蘭州大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 錢(qián)維;藥品不良反應(yīng)監(jiān)測(cè)中隨機(jī)森林方法的建立與實(shí)現(xiàn)[D];第二軍醫(yī)大學(xué);2012年

2 韓燕龍;基于隨機(jī)森林的指數(shù)化投資組合構(gòu)建研究[D];華南理工大學(xué);2015年

3 賀捷;隨機(jī)森林在文本分類中的應(yīng)用[D];華南理工大學(xué);2015年

4 張文婷;交通環(huán)境下基于改進(jìn)霍夫森林的目標(biāo)檢測(cè)與跟蹤[D];華南理工大學(xué);2015年

5 李強(qiáng);基于多視角特征融合與隨機(jī)森林的蛋白質(zhì)結(jié)晶預(yù)測(cè)[D];南京理工大學(xué);2015年

6 朱玟謙;一種收斂性隨機(jī)森林在人臉檢測(cè)中的應(yīng)用研究[D];武漢理工大學(xué);2015年

7 肖宇;基于序列圖像的手勢(shì)檢測(cè)與識(shí)別算法研究[D];電子科技大學(xué);2014年

8 袁芳娟;基于隨機(jī)森林的年齡估計(jì)[D];河北工業(yè)大學(xué);2012年

9 劉曉東;基于組合策略的隨機(jī)森林方法研究[D];大連理工大學(xué);2013年

10 舒翔;基于隨機(jī)森林的目標(biāo)跟蹤算法研究[D];合肥工業(yè)大學(xué);2013年

，

本文編號(hào)：2239382