基于改进的随机森林和密度聚类的短期负荷频域预测方法
张金金1
张倩1
马愿1
李智2
1.安徽大学电气工程与自动化学院,安徽合肥230601;教育部电能质量工程研究中心,安徽合肥2306012.国网安徽省电力有限公司,安徽合肥230073
摘要：精确的负荷预测对于电力系统的有效调度和安全运行至关重要.本文提出基于改进的随机森林(IRF)和密度的聚类(DBSCAN)的频域组合预测方法.首先,采用经验小波变换(EWT)分解负荷,得到不同的固有模态分量(IMFs);其次,根据各分量特征采用合理的方法进行预测.其中,低频、中频分量采用IRF预测;高频分量使用DBSCAN根据气象因素温度和湿度聚类,再根据每类的样本特性选择处理方法.最后,叠加各分量的预测值,获取负荷预测值.根据某地市现场负荷数据进行实验,预测结果分别与EWT–IRF,EWT–随机森林(RF)、经验模态分解(EMD)–IRF模型的预测结果进行对比.结果表明,提出的模型具有更高的预测精度,反映了实际负荷的随机性.
关键词：负荷预测基于改进的随机森林基于密度的聚类经验小波变换
资助基金：国家重点研发计划(2016YFB0900400)国家自然科学基金(51507001)调控系统数据融合项目(5212N0180061)安徽省电力公司科技项目(5212001700)博士后研究项目(Z01011804)
论文发表日期：2020-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 2257-2265 )
英文信息