電力需求預(yù)測(cè)是城市發(fā)展和能源供應(yīng)中十分重要的問(wèn)題。雖然可以根據(jù)地理上的層級(jí)將其形式化為具有聚集約束的分層時(shí)間序列預(yù)測(cè)問(wèn)題,但在傳統(tǒng)的方法中,在確保聚合一致性的過(guò)程中往往會(huì)產(chǎn)生預(yù)測(cè)精度的損失。針對(duì)該問(wèn)題,提出一種新型的基于聚類(lèi)的分層電力時(shí)序預(yù)測(cè)方法。拋棄了過(guò)去直接對(duì)地理層級(jí)結(jié)構(gòu)進(jìn)行處理的做法,取而代之地通過(guò)聚類(lèi)分析來(lái)深入探究電力消費(fèi)模式,從而建立一個(gè)全新的,基于消費(fèi)模式的時(shí)序?qū)蛹?jí)結(jié)構(gòu)。在此基礎(chǔ)之上提出一種新的層級(jí)預(yù)測(cè)方法,大大改進(jìn)了電力需求預(yù)測(cè)的效果。在真實(shí)數(shù)據(jù)場(chǎng)景下,大量實(shí)驗(yàn)證明了該方法性能顯著優(yōu)于傳統(tǒng)方法,取得了最佳的精度。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用與軟件. 2020,37(11)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

不同地理區(qū)域的代表性用電時(shí)間序列曲線

以圖2為例,其展示了將5個(gè)時(shí)間序列進(jìn)行聚類(lèi),并抽取出其用電模式的過(guò)程。首先對(duì)于這5個(gè)用電時(shí)間序列,采用ST-DBSCAN將其劃分為兩個(gè)類(lèi)別,然后通過(guò)時(shí)間序列的聚合算法,將每個(gè)聚類(lèi)中時(shí)間序列的共性提取出來(lái),從而得到能顯著代表聚類(lèi)中所有時(shí)間序列的整體趨勢(shì)共性的用電模式。2.2 層級(jí)結(jié)構(gòu)構(gòu)建

基于這個(gè)想法,本文構(gòu)建了一個(gè)基于用電模式的層級(jí)結(jié)構(gòu),如圖3所示。這種層級(jí)結(jié)構(gòu)由高層的用電模式和低層的單獨(dú)的時(shí)間序列構(gòu)成。最左列的用電模式向右衍生出三個(gè)子用電模式,如中間列所示。這三個(gè)用電模式又分別向右衍生出它們各自的用電模式�？梢钥闯�,屬于同一個(gè)父節(jié)點(diǎn)的用電時(shí)間序列曲線,其用電的變化規(guī)律十分相似,只是在變化幅度上有略微的差異。這種層級(jí)結(jié)構(gòu)相較于傳統(tǒng)的用電預(yù)測(cè)方法,其優(yōu)勢(shì)主要體現(xiàn)在它充分利用了地理區(qū)域相近的用戶(hù)具有相似的用電模式這一先驗(yàn)特征。并且在理想情況下,層級(jí)結(jié)構(gòu)的深度是Log級(jí)別的,其運(yùn)算復(fù)雜度很小。此外,層級(jí)結(jié)構(gòu)中的每一層有對(duì)應(yīng)的具體含義,例如頂層代表國(guó)家、底層代表街道,這樣,模型的預(yù)測(cè)結(jié)果就具有更好的可解釋性。


本文編號(hào)：3488107