基于改进关联分析的行业短期电力负荷预测

作者：虞殷树; 陈东海; 朱耿; 贺旭; 白文博

来源：浙江电力, 2023, 42(11): 29-38.

DOI：10.19585/j.zjdl.202311004

• 负荷预测
• 关联分析
• 标准互信息
• k-means聚类
• 卷积神经网络

行业短期电力负荷的准确预测对于地区电网的安全经济运行具有重要意义。为此，提出一种基于关联分析和卷积神经网络的行业短期电力负荷预测模型。首先，对k-means聚类算法进行优化，并对行业负荷和外部影响因素的原始数据进行聚类处理，以改善后续关联分析的准确性；然后，提出一种基于标准互信息的改进关联分析方法，对各种外部影响因素和行业负荷的关联性进行定量分析；最后，基于卷积神经网络设计一种计及外部影响因素关联性的负荷预测网络，网络在经过训练后可用于行业短期电力负荷的预测。对照实验结果表明，所提模型在各行业的短期电力负荷预测中都具有更好的准确性和稳定性。

• 单位
  宁波市电力设计院有限公司