论文摘要
由于电采暖负荷随机波动性强,且功率比重较大,从而导致电采暖小区负荷较频繁地大范围波动,基于常规时间序列的短期负荷预测模型缺乏对波动特性的捕捉能力。针对该问题,充分分析了电采暖小区负荷的波动特征,提出了一种基于历史数据特征挖掘的指标集模型和指标计算方法,用于从历史负荷数据中充分挖掘电采暖负荷的特点,形成历史数据特征集。然后,以历史数据特征集构建训练样本,提出了基于核函数极限学习机(kernel extreme learning machine,KELM)的电采暖小区负荷预测模型。最后,基于实际历史数据进行模型性能验证,结果表明所提的特征指标集模型能够有效挖掘历史数据特征,有利于提高短期负荷预测模型的精度。
论文目录
文章来源
类型: 期刊论文
作者: 陈奇芳,夏明超,郭敏,刘文霞,曾爽,杨烁,王钊
关键词: 特征挖掘,极限学习机,电采暖,煤改电,负荷预测
来源: 供用电 2019年12期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 北京交通大学电气工程学院,华北电力大学电气工程学院,国网北京市电力公司
基金: 国家电网有限公司科技项目(52020118000M)~~
分类号: TM715
DOI: 10.19421/j.cnki.1006-6357.2019.12.008
页码: 48-54
总页数: 7
文件大小: 2360K
下载量: 194