為了準(zhǔn)確預(yù)測(cè)電力系統(tǒng)的短期負(fù)荷變化,為電力系統(tǒng)安全、經(jīng)濟(jì)、高效運(yùn)行提供指導(dǎo)方向,提出了一種將模糊聚類以及隨機(jī)森林回歸算法進(jìn)行組合的電力系統(tǒng)負(fù)荷預(yù)測(cè)方法,利用粗糙集構(gòu)建補(bǔ)償規(guī)則,對(duì)預(yù)測(cè)結(jié)果進(jìn)行修正補(bǔ)償。首先,通過對(duì)電力系統(tǒng)負(fù)荷的周期性、天氣相關(guān)性等特征進(jìn)行分析,利用C均值模糊聚類算法對(duì)歷史樣本進(jìn)行聚類,在進(jìn)行隨機(jī)森林回歸預(yù)測(cè)時(shí),使用聚類后同類數(shù)據(jù)作為訓(xùn)練集樣本構(gòu)建決策樹�？紤]到隨機(jī)森林回歸預(yù)測(cè)偏保守、電力系統(tǒng)負(fù)荷在峰值處波動(dòng)大的特征,在得到預(yù)測(cè)結(jié)果后利用粗糙集理論生成補(bǔ)償規(guī)則,對(duì)負(fù)荷預(yù)測(cè)進(jìn)行修正。利用所述方法對(duì)北愛爾蘭地區(qū)進(jìn)行一日24 h的負(fù)荷預(yù)測(cè),結(jié)果跟實(shí)際負(fù)荷的平均絕對(duì)誤差百分比為2.09%,驗(yàn)證了該預(yù)測(cè)方法的有效性。

【文章頁數(shù)】：8 頁


本文編號(hào)：3750477