配電臺區(qū)時間序列大數(shù)據負荷預測技術研究.pdf

1、隨著電力用電信息采集系統(tǒng)的優(yōu)化升級，電力用戶側除了能夠采集到傳統(tǒng)的電能使用信息外，也能獲得用戶電能質量、96點負荷曲線、用電行為偏好等多維度反映用戶特性的數(shù)據。配電臺區(qū)負荷預測作為傳統(tǒng)負荷預測領域的細分，是進行精細化的臺區(qū)用電管理、運行調度與網架結構優(yōu)化的新興手段。受制于臺區(qū)負荷的隨機性與多樣性，傳統(tǒng)預測方法在臺區(qū)級的預測中表現(xiàn)欠佳，而借助大數(shù)據平臺這一新興工具，對用戶側采集到的冗雜且大量的用戶特性信息加以利用，能夠有效提高臺區(qū)負荷預測

2、的預測精度與預測適應性。
　　本文分析臺區(qū)負荷數(shù)據的特點及其關聯(lián)因素，借助大數(shù)據平臺中K-means、BIRCH、WARD等聚類算法，對上海市2977個臺區(qū)進行聚類劃分，結合實際臺區(qū)行業(yè)構成分析了各聚類簇的特征及劃分的有效性。聚類結果表明臺區(qū)內用戶對氣象、經濟等因素均有不同的敏感度，以聚類結果為依據，對不同用電特性的用戶類分別建立預測模型是提高臺區(qū)負荷預測精度的有效手段。
　　提出基于機器學習中的嶺回歸算法與自適應思想的自適

3、應嶺回歸預測模型，依據自適應程度將模型劃分為3種模式，對臺區(qū)負荷建模并實際訓練、預測。3種模式在訓練用時、預測精度、敏感度方面表現(xiàn)出不同特性，適用不同預測環(huán)境。在聚類與回歸模型構建的基礎上，進一步提出基于聚類及自適應嶺回歸技術的臺區(qū)負荷預測方法，設計3種聚類特征選取方式與5種聚類算法作為預測自適應優(yōu)化的可調模塊，增強了預測的動態(tài)優(yōu)化與誤差調控能力。使用該方法對上海市某包含487戶用戶的臺區(qū)進行預測，算例結果顯示在不同預測環(huán)境中通過優(yōu)選聚