基于智能相似日识别及偏差校正的短期负荷预测方法

作     者：刘翊枫 周国鹏 刘昕 汪洋 郑宇鹏 邵立政 LIU Yifeng;ZHOU Guopeng;LIU Xin;WANG Yang;ZHENG Yupeng;SHAO Lizheng

作者机构：国网湖北省电力有限公司湖北武汉430077 清华大学北京100084 北京清能互联科技有限公司北京100080 

出 版 物：《电力系统保护与控制》 (Power System Protection and Control)

年 卷 期：2019年第47卷第12期

页      面：138-145页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：国家电网科技项目(52150016006B)“基于分布式潮流控制的输电网柔性交流潮流控制技术研究” 

主　　题：相关因素 特征矩阵 相似日 偏差校正 短期负荷预测 

摘      要：在传统负荷预测理论的基础上,提出了基于智能相似日识别及偏差校正的新型短期负荷预测方法。首先构建地市相关因素特征矩阵,通过判断矩阵相关性智能选取负荷相似日,从而实现负荷曲线的一次预测。在此基础上,建立了实时气象偏差校正策略,采用XGBoost算法进行负荷曲线的二次偏差校正,达到短期负荷预测的目标。算例研究表明,该策略能够有效提升短期负荷预测精度,而且具有较好的自适应特性,可以应用于电力系统短期负荷预测实践。