【摘要】：電力行業(yè)是整個(gè)國(guó)家的基礎(chǔ)性行業(yè)之一,其重要性不言而喻。而電能的無(wú)法大量存儲(chǔ)的特性,使得電能的生產(chǎn)量要求和需求量大致相同,因此需要對(duì)負(fù)荷進(jìn)行精準(zhǔn)預(yù)測(cè)。而隨著主動(dòng)配電網(wǎng)的出現(xiàn)和發(fā)展,安裝到戶的智能電表越來(lái)越普及,其采集到的用戶用電數(shù)據(jù)也越來(lái)越精細(xì),而且負(fù)荷數(shù)據(jù)的規(guī)模也隨之增加。此外,分布式光伏發(fā)電和分布式風(fēng)電的出現(xiàn)和發(fā)展,以及它們的電網(wǎng)接入和消納,都對(duì)負(fù)荷預(yù)測(cè)的精度提出了更高的要求。針對(duì)城市負(fù)荷預(yù)測(cè)需要,提出一種基于隨機(jī)森林的負(fù)荷預(yù)測(cè)特征選擇新方法。首先,從實(shí)測(cè)歷史負(fù)荷與待預(yù)測(cè)點(diǎn)時(shí)間信息中提取243個(gè)相關(guān)特征構(gòu)成原始特征集合;其次,以原始特征集構(gòu)建隨機(jī)森林負(fù)荷預(yù)測(cè)模型,使用包含全部特征的訓(xùn)練集訓(xùn)練該模型;之后,通過(guò)測(cè)試集開展預(yù)測(cè),并確定原始模型預(yù)測(cè)誤差與每一個(gè)特征的重要度;然后,根據(jù)特征重要度,采用優(yōu)化的序列后向搜索策略選擇出最優(yōu)預(yù)測(cè)特征子集;最后,用該子集構(gòu)建最終的預(yù)測(cè)模型。實(shí)驗(yàn)證明,采用特征選擇后確定的隨機(jī)森林預(yù)測(cè)模型相較原始模型具有更高的預(yù)測(cè)精度與效率,且預(yù)測(cè)精度優(yōu)于基于支持向量回歸與人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型。得益于隨機(jī)森林能夠準(zhǔn)確的分析原始特征空間中所有特征的重要度這一研究結(jié)論,針對(duì)含大量居民用電用戶的配網(wǎng)負(fù)荷預(yù)測(cè)需要,開展基于特征重要度的用電用戶聚類研究。首先,對(duì)原始智能電表負(fù)荷數(shù)據(jù)進(jìn)行預(yù)處理;其次,按照上述相同的方法提取338個(gè)相關(guān)特征構(gòu)成原始特征集合;之后,對(duì)每一個(gè)用電用戶構(gòu)建一個(gè)隨機(jī)森林預(yù)測(cè)模型,并使用原始特征集合訓(xùn)練該模型;然后,根據(jù)訓(xùn)練結(jié)束后得到特征重要度,對(duì)所有用電用戶使用K-means算法進(jìn)行聚類分析;最后,對(duì)每一類進(jìn)行特征選擇,分別使用最優(yōu)特征子集重新構(gòu)建一個(gè)隨機(jī)森林模型,并將所有類別的輸出結(jié)果求和作為最終的預(yù)測(cè)結(jié)果。實(shí)驗(yàn)證明,采用聚類分析后的預(yù)測(cè)精度相較未采用聚類分析的精度有所提高。
【圖文】：

線的走勢(shì)是基本相同的。圖 2-1 顯示了東北某市 3 月 17 日至 23 日的負(fù)線可以看出來(lái)，這連續(xù)七天的負(fù)荷數(shù)據(jù)具有很明顯的相似的變化趨勢(shì)，的日周期性特點(diǎn)。進(jìn)一步的分析可以發(fā)現(xiàn)，這七天基本都在中午十二點(diǎn)一個(gè)用電高峰，之后負(fù)荷回落，并于晚上六點(diǎn)左右達(dá)到該日的第二個(gè)用用電量大于晚上的用電量，這是因?yàn)榘滋烊藗兌荚诠ぷ骱突顒?dòng)，因此負(fù)荷點(diǎn)以及晚上六點(diǎn)則是吃飯等的高峰期，晚上人們都休息了，因此負(fù)荷值

圖 2-2 顯示了東北某市 3 月 30 日至 5 月 3 日共計(jì) 35 天（5 周）的負(fù)不看每一天負(fù)荷值的大小，，這五個(gè)周的負(fù)荷變化也具有相同的趨勢(shì)。，每個(gè)周前五天的負(fù)荷值都要大于后兩天，即每個(gè)星期的工作日負(fù)荷這主要是因?yàn)楣ぷ魅盏呢?fù)荷類型是以工業(yè)負(fù)荷為主要代表類型的，而業(yè)職工都進(jìn)行休息，這時(shí)候的負(fù)荷則主要為居民生活負(fù)荷。0
【學(xué)位授予單位】：東北電力大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TM714

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 王德文;孫志偉;;電力用戶側(cè)大數(shù)據(jù)分析與并行負(fù)荷預(yù)測(cè)[J];中國(guó)電機(jī)工程學(xué)報(bào);2015年03期

2 劉科研;盛萬(wàn)興;張東霞;賈東梨;胡麗娟;何開元;;智能配電網(wǎng)大數(shù)據(jù)應(yīng)用需求和場(chǎng)景分析研究[J];中國(guó)電機(jī)工程學(xué)報(bào);2015年02期

3 肖白;周潮;穆鋼;;空間電力負(fù)荷預(yù)測(cè)方法綜述與展望[J];中國(guó)電機(jī)工程學(xué)報(bào);2013年25期

4 張素香;劉建明;趙丙鎮(zhèn);曹津平;;基于云計(jì)算的居民用電行為分析模型研究[J];電網(wǎng)技術(shù);2013年06期

5 張民,鮑海,晏玲,曹津平,杜劍光;基于卡爾曼濾波的短期負(fù)荷預(yù)測(cè)方法的研究[J];電網(wǎng)技術(shù);2003年10期

本文編號(hào)：2518294