面向智能電網的數據分類與預測技術研究.pdf

1、電力系統(tǒng)中的電力數據分析如負荷分類與電量預測一直是電力部門進行分時電價制定、變電系統(tǒng)調節(jié)、負荷總量預測、避峰錯峰管理等方案制定的基礎。有效的分類與預測方法能夠給電力規(guī)劃提供正確的數據管理依據，對掌握不同用戶負荷特性的變化以及長、中、短期電量的預測有著較好的應用前景。針對電力數據分析中負荷分類與中短期電力預測兩個問題本文進行了如下工作：
　　1）首先對電力負荷分類與預測進行綜述，總結了當前研究現(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與評價標準。
　　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，本文提出了基于負荷差異性的初始化方法。在負荷最大最小值之差的基礎上，按用戶量分布選定初始中心，根據改進的方法，結合電網實際電力數據，對用戶進行分類處理，實驗證明了該方法在實際電力負荷分類中的可行性與有效性。
　　3）針對負荷預測的問題，本文分析了灰色預測模型（Grey Model，GM）在電力預測中的運用現(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上，本文提出了智能優(yōu)化背景值的混合預測模型。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，重新構建了可調參數的背景值構造公式；再用粒子群算法（Particl