基于深度卷积神经网络与支持向量机的变电站非侵入式负荷分解

作者：余登武; 刘敏^*

来源：电力科学与工程, 2020, 36(06): 24-30.

• 特性分析
• 负荷分解
• 聚类
• CNN
• SVR
• 优化调度

变电站负荷特性分析对指导电网运行和规划运行有着重要的意义。针对常见的变电站负荷特性聚类分析方法需要经常统计各类用户数据,工作量大的问题,提出一种基于CNN+SVR变电站非侵入式负荷分解方法。首先通过聚类来提取不同行业的典型负荷曲线,针对变电站总的用电信息,构造天气、时间等特征。然后构造初始值生成模型和负荷分解模型,在阿里天池大赛"智造扬中"比赛数据集上进行训练和验证。仿真结果表明,所提出的CNN+SVR模型比单一的CNN或SVR具有很大优越性,提出双模型构成的负荷分解方法比常规单模型负荷分解方法,负荷分解精度平均提高10%,具有很大的优越性。可以提供不同细粒程度的负荷构成信息,更好地了解变电站所属行业和用户的用电信息,在日前及以内优化调度中有很好的应用前景。

• 单位
  贵州大学