面向智能電網(wǎng)的數(shù)據(jù)分類與預(yù)測技術(shù)研究.pdf

1、電力系統(tǒng)中的電力數(shù)據(jù)分析如負(fù)荷分類與電量預(yù)測一直是電力部門進行分時電價制定、變電系統(tǒng)調(diào)節(jié)、負(fù)荷總量預(yù)測、避峰錯峰管理等方案制定的基礎(chǔ)。有效的分類與預(yù)測方法能夠給電力規(guī)劃提供正確的數(shù)據(jù)管理依據(jù)，對掌握不同用戶負(fù)荷特性的變化以及長、中、短期電量的預(yù)測有著較好的應(yīng)用前景。針對電力數(shù)據(jù)分析中負(fù)荷分類與中短期電力預(yù)測兩個問題本文進行了如下工作：
　　1）首先對電力負(fù)荷分類與預(yù)測進行綜述，總結(jié)了當(dāng)前研究現(xiàn)狀，并分別針對各自特點詳細分析，包括各

2、方法的優(yōu)勢與問題，并給出了有效性指標(biāo)與評價標(biāo)準(zhǔn)。
　　2）針對傳統(tǒng)的K-均值聚類方法在初始化時選用隨機點作為中心的問題，本文提出了基于負(fù)荷差異性的初始化方法。在負(fù)荷最大最小值之差的基礎(chǔ)上，按用戶量分布選定初始中心，根據(jù)改進的方法，結(jié)合電網(wǎng)實際電力數(shù)據(jù)，對用戶進行分類處理，實驗證明了該方法在實際電力負(fù)荷分類中的可行性與有效性。
　　3）針對負(fù)荷預(yù)測的問題，本文分析了灰色預(yù)測模型（Grey Model，GM）在電力預(yù)測中的運用現(xiàn)

3、狀，從其序列生成的不足之處出發(fā)，通過引入了季節(jié)周期性思想，在序列生成時，實現(xiàn)了去周期性。并給出預(yù)測模型精度檢驗的方法，在之后的實驗中，通過與原始方法對比證明了該方法的有效性。
　　4）在普通灰色模型以及本文上部分改進的序列生成方法的基礎(chǔ)上，本文提出了智能優(yōu)化背景值的混合預(yù)測模型。針對傳統(tǒng) GM方法，首先在序列生成時去除其季節(jié)周期性；其次針對建模時背景值選擇上的不足，重新構(gòu)建了可調(diào)參數(shù)的背景值構(gòu)造公式；再用粒子群算法（Particl