投稿入口

基于改进K-Means聚类与Elman神经网络的负荷集成预测

高彦超, 郭峰, 祝敬伟, 路昂, 顾舒(通讯作者)1, 安琪儿1, 张爱福1, 乔善和1, 燕蕾2

基于改进K-Means聚类与Elman神经网络的负荷集成预测

  • 摘要: 利用大规模负荷数据进行总量负荷预测,预测全国或某地区的电力需求,是负荷预测在中长期电力交易市场和现货电力交易市场中的重要应用。本文提出一种基于改进K-Means聚类与Elman神经网络的负荷集成预测,首先提出对收集到的区域用户添加城市标签,然后对同一城市的用户负荷进行聚类分析,之后对同类用户建立考虑气象因素的神经网络预测模型进行预测,最后将每类的预测结果汇总得到城市甚至地区的总量负荷。本文以某区域一个城市182个用户负荷为例进行算例仿真,结果证明本文方法可大大提高负荷预测精度,实现高质量的负荷集成预测。
计量
  • 文章访问数:  0
  • HTML全文浏览量:  0
  • PDF下载量:  0
  • 被引次数: 0
出版历程

目录

    /

    返回文章
    返回