配電臺(tái)區(qū)時(shí)間序列大數(shù)據(jù)負(fù)荷預(yù)測(cè)技術(shù)研究.pdf

1、隨著電力用電信息采集系統(tǒng)的優(yōu)化升級(jí)，電力用戶側(cè)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(zhì)量、96點(diǎn)負(fù)荷曲線、用電行為偏好等多維度反映用戶特性的數(shù)據(jù)。配電臺(tái)區(qū)負(fù)荷預(yù)測(cè)作為傳統(tǒng)負(fù)荷預(yù)測(cè)領(lǐng)域的細(xì)分，是進(jìn)行精細(xì)化的臺(tái)區(qū)用電管理、運(yùn)行調(diào)度與網(wǎng)架結(jié)構(gòu)優(yōu)化的新興手段。受制于臺(tái)區(qū)負(fù)荷的隨機(jī)性與多樣性，傳統(tǒng)預(yù)測(cè)方法在臺(tái)區(qū)級(jí)的預(yù)測(cè)中表現(xiàn)欠佳，而借助大數(shù)據(jù)平臺(tái)這一新興工具，對(duì)用戶側(cè)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(tái)區(qū)負(fù)荷預(yù)測(cè)

2、的預(yù)測(cè)精度與預(yù)測(cè)適應(yīng)性。
　　本文分析臺(tái)區(qū)負(fù)荷數(shù)據(jù)的特點(diǎn)及其關(guān)聯(lián)因素，借助大數(shù)據(jù)平臺(tái)中K-means、BIRCH、WARD等聚類算法，對(duì)上海市2977個(gè)臺(tái)區(qū)進(jìn)行聚類劃分，結(jié)合實(shí)際臺(tái)區(qū)行業(yè)構(gòu)成分析了各聚類簇的特征及劃分的有效性。聚類結(jié)果表明臺(tái)區(qū)內(nèi)用戶對(duì)氣象、經(jīng)濟(jì)等因素均有不同的敏感度，以聚類結(jié)果為依據(jù)，對(duì)不同用電特性的用戶類分別建立預(yù)測(cè)模型是提高臺(tái)區(qū)負(fù)荷預(yù)測(cè)精度的有效手段。
　　提出基于機(jī)器學(xué)習(xí)中的嶺回歸算法與自適應(yīng)思想的自適

3、應(yīng)嶺回歸預(yù)測(cè)模型，依據(jù)自適應(yīng)程度將模型劃分為3種模式，對(duì)臺(tái)區(qū)負(fù)荷建模并實(shí)際訓(xùn)練、預(yù)測(cè)。3種模式在訓(xùn)練用時(shí)、預(yù)測(cè)精度、敏感度方面表現(xiàn)出不同特性，適用不同預(yù)測(cè)環(huán)境。在聚類與回歸模型構(gòu)建的基礎(chǔ)上，進(jìn)一步提出基于聚類及自適應(yīng)嶺回歸技術(shù)的臺(tái)區(qū)負(fù)荷預(yù)測(cè)方法，設(shè)計(jì)3種聚類特征選取方式與5種聚類算法作為預(yù)測(cè)自適應(yīng)優(yōu)化的可調(diào)模塊，增強(qiáng)了預(yù)測(cè)的動(dòng)態(tài)優(yōu)化與誤差調(diào)控能力。使用該方法對(duì)上海市某包含487戶用戶的臺(tái)區(qū)進(jìn)行預(yù)測(cè)，算例結(jié)果顯示在不同預(yù)測(cè)環(huán)境中通過優(yōu)選聚