基于支持向量机和互联网信息修正的空间负荷预测方法

作者：郭艳飞; 程林; 李洪涛; 饶强; 刘满君

来源：中国电力, 2019, 52(04): 80-88.

• 电力系统分析
• 空间负预测
• k-均值聚类
• 支持向量机
• 互联网信息

为提高电网规划阶段的空间负荷预测精度,提出了一种基于支持向量机和互联网信息修正的空间负荷预测(spatialloadforecasting,SLF)方法,该方法分为3个步骤:一是基于k-均值聚类分析和支持向量回归模型得到地块负荷初始预测值;二是基于地块负荷历史数据计算负荷实际值与初始预测值之间的偏差;三是针对这些偏差,利用搜索引擎获取互联网信息,识别造成偏差的不确定事件,包括元胞中新增大负荷事件和元胞中企业营收增长率突变事件。定性分析事件对空间负荷的影响,并建立这两类事件与其造成的影响之间的分类事件影响定量模型,基于该模型对地块负荷初始预测值进行修正,得到规划区域内的地块负荷预测值。通过对北京某地区进行算例验证,结果表明该方法可以提高预测精度,可用于配电网以及能源互联网规划中的空间负荷预测。

• 单位
  清华大学; 国网北京市电力公司