电力负荷具有一定的周期相似性,为此,提出一种基于子空间旋转矢量不变技术(E S P R I T)的综合负荷预测方法。对电力负荷数据进行移位平移处理构造出满足子空间不变性的数据矩阵,利用最小二乘法E S P R I T原理进行谐波检测,提取出各主...电力负荷具有一定的周期相似性,为此,提出一种基于子空间旋转矢量不变技术(E S P R I T)的综合负荷预测方法。对电力负荷数据进行移位平移处理构造出满足子空间不变性的数据矩阵,利用最小二乘法E S P R I T原理进行谐波检测,提取出各主要频率分量成分。利用K均值聚类法把提取的分量根据频率特点分为不同类型,之后建立不同预测模型对各部分进行独立负荷预测,最终得到综合的预测负荷值。E S P R I T算法具有较高的频谱分辨率,可降低原数据维数,且综合预测法能针对不同成分有更好的预测。最后仿真也证明了该方法预测的准确性及有效性。展开更多
为了对大量电力用户的稀疏、不规律的日耗电量数据进行特征分析,并对用户进行分类,文章提出一种函数性数据聚类分析方法。首先,应用kernel方法将离散的电量数据还原成连续曲线;然后,受Sobolev空间距离的启发,定义了新的函数距离,用于k-m...为了对大量电力用户的稀疏、不规律的日耗电量数据进行特征分析,并对用户进行分类,文章提出一种函数性数据聚类分析方法。首先,应用kernel方法将离散的电量数据还原成连续曲线;然后,受Sobolev空间距离的启发,定义了新的函数距离,用于k-means算法进行聚类。以某城市10 000户居民538天的实际用电数据进行实验,得到了用户在不同距离和聚类个数下的聚类原型。实验结果显示,由于选取的用户主要是城市居民,其用电模式比较相似:大高峰时段主要在6—9月,小高峰时段主要在1—2月,日消耗波动较小。而不同用户类别的主要区别体现在用电量的范围上:低耗电用户整体低于13 k W?h/天,高耗电用户接近100 k W?h/天。展开更多
文摘电力负荷具有一定的周期相似性,为此,提出一种基于子空间旋转矢量不变技术(E S P R I T)的综合负荷预测方法。对电力负荷数据进行移位平移处理构造出满足子空间不变性的数据矩阵,利用最小二乘法E S P R I T原理进行谐波检测,提取出各主要频率分量成分。利用K均值聚类法把提取的分量根据频率特点分为不同类型,之后建立不同预测模型对各部分进行独立负荷预测,最终得到综合的预测负荷值。E S P R I T算法具有较高的频谱分辨率,可降低原数据维数,且综合预测法能针对不同成分有更好的预测。最后仿真也证明了该方法预测的准确性及有效性。
基金Projected Supported by the National High Technology Research and Development Program of China(863 Program)(2015AA050203)National Talents Training Base for Basic Research and Teaching of Natural Science of China(J1103105)~~
文摘为了对大量电力用户的稀疏、不规律的日耗电量数据进行特征分析,并对用户进行分类,文章提出一种函数性数据聚类分析方法。首先,应用kernel方法将离散的电量数据还原成连续曲线;然后,受Sobolev空间距离的启发,定义了新的函数距离,用于k-means算法进行聚类。以某城市10 000户居民538天的实际用电数据进行实验,得到了用户在不同距离和聚类个数下的聚类原型。实验结果显示,由于选取的用户主要是城市居民,其用电模式比较相似:大高峰时段主要在6—9月,小高峰时段主要在1—2月,日消耗波动较小。而不同用户类别的主要区别体现在用电量的范围上:低耗电用户整体低于13 k W?h/天,高耗电用户接近100 k W?h/天。
