基于日特征量相似日的PSO-SVM短期负荷预测

doi:10.11930/j.issn.1004-9649.2013.7.91.3

中国电力 ›› 2013, Vol. 46 ›› Issue (7): 91-94.DOI: 10.11930/j.issn.1004-9649.2013.7.91.3

基于日特征量相似日的PSO-SVM短期负荷预测

陈超¹, 黄国勇¹, 邵宗凯^{1, 2}, 王晓东^{1, 2}, 范玉刚^{1, 2}

1. 昆明理工大学信息工程与自动化学院,云南昆明 650500; 2. 云南省矿物管道输送工程技术研究中心,云南昆明 650500

收稿日期:2013-01-22 出版日期:2013-07-23 发布日期:2015-12-10
作者简介:陈超（1989—）,男,云南楚雄人,硕士研究生,从事电力系统负荷预测、智能电网方面的研究。
基金资助:
国家自然科学基金资助项目（51169007）; 云南省科技计划项目（2010DH004,2011DA005,2011FZ036）

Short-Term Load Forecasting for Similar Days Based on PSO-SVM and Daily Feature Vector

CHEN Chao¹, HUANG Guo-yong¹, SHAO Zong-kai^{1, 2}, WANG Xiao-dong^{1, 2}, FAN Yu-gang^{1, 2}

1. School of Information Engineering & Automation, Kunming University of Science and Technology, Kunming 650500, China; 2. Yunnan Provincial Mineral Pipeline Technology Research Center, Kunming 650500, China

Received:2013-01-22 Online:2013-07-23 Published:2015-12-10

摘要/Abstract

摘要： 通过引入人体舒适度指数,综合分析了气象因素对电力负荷的影响,并加入星期类型、日天气类型、日期差3个主要影响因素,构成了日特征向量,采用求取相似度的方法来选取相似日,利用相似日的日特征向量和负荷数据来建立PSO-SVM预测模型。经2001年EUNITE负荷预测竞赛的数据预测分析表明,该方法适应性较强,能够选取较合适的相似日,有较高的预测精度和推广能力。

关键词: 人体舒适度指数, 日特征向量, 相似日, 支持向量机, 短期负荷预测

Abstract: The human body amenity indicator was introduced to make a comprehensive analysis of the influence of the meteorological factors on power load, and three main influence factors, including week type, daily weather type and date difference, were added to constitute the daily feature vector. By using the method for calculating the similarity degree to select similar days, the PSO-SVM forecasting model was built up with the daily feature vector and load data of the similar days. An forecasting analysis of the EUNITE load prediction competition data in 2001 shows that this method has a good adaptability, and can easily select the suitable similar days, and has a high prediction accuracy and good potential for promotion.

Key words: human body amenity indicator, daily feature vector, similar days, SVM, short-term load forecast

中图分类号:

TM715

陈超, 黄国勇, 邵宗凯, 王晓东, 范玉刚. 基于日特征量相似日的PSO-SVM短期负荷预测[J]. 中国电力, 2013, 46(7): 91-94.

CHEN Chao, HUANG Guo-yong, SHAO Zong-kai, WANG Xiao-dong, FAN Yu-gang. Short-Term Load Forecasting for Similar Days Based on PSO-SVM and Daily Feature Vector[J]. Electric Power, 2013, 46(7): 91-94.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.electricpower.com.cn/CN/10.11930/j.issn.1004-9649.2013.7.91.3

https://www.electricpower.com.cn/CN/Y2013/V46/I7/91

参考文献

[1] 康重庆,夏清,刘梅. 电力系统负荷预测[M]. 北京：中国电力出版社,2007.
KANG Chong-qing, XIA Qing, LIU Mei. Power system load forecasting [M]. Beijing: China Electric Power Press, 2007.
[2] 李鑫滨,张娟,张岩,等. 基于D-S证据理论的相似日支持向量机短期负荷预测[J]. 电网技术,2010,34（7）：143-147.
LI Xin-bin, ZHANG Juan, ZHANG Yan, et al . Short-term load forecasting for similar days based on support vector machine and dempster-shafer theory[J]. Power System Technology, 2010, 34(7):143-147.
[3] 金义雄,段建民,徐进,等. 考虑气象因素的相似聚类短期负荷组合预测方法[J]. 电网技术,2007,31（19）,60-64.
JIN Yi-xiong, DUAN Jian-min, XU Jin, et al . A combinational short-term load forecasting method by use of similarity clustering and considering weather factors[J]. Power System Technology, 2007, 31(19): 60-64.
[4] 杨正瓴,田勇,张广涛,等. 相似日短期负荷预测的非线性理论基础与改进[J]. 电网技术,2006,30（6）：63-66.
YANG Zheng-ling, TIAN Yong, ZHANG Guang-tao, et al .Nonlinear theoretical foundation and improvement of similar days method for short term load forecasting[J]. Power System Technology, 2006, 30(6): 63-66.
[5] 黎灿兵,李晓辉,赵瑞,等. 电力短期负荷预测相似日选取算法[J]. 电力系统自动化,2008,32（9）：69-73.
LI Can-bing, LI Xiao-hui, ZHAO Rui, et al . A novel algorithm of selecting similar days for short-term power load forecasting[J]. Automation of Electric Power Systems, 2008, 32(9): 69-73.
[6] 秦海超,王玮,周晖,等. 人体舒适度指数在短期电力负荷预测中的应用[J]. 电力系统及其自动化学报,2006,18（2）：63-66.
QIN Hai-chao, WANG Wei, ZHOU Hui, et al . Short term electric load forecast using human body amenity indicator[J]. Proceedings of the CSU-EPSA, 2006, 18(2): 63-66.
[7] 祝燕萍,方鸽飞. 基于动态自适应神经网络和人体舒适度的短期负荷预测[J]. 电力系统保护与控制,2012,40（1）：57-61.
ZHU Yan-ping, FANG Ge-fei. Short-term load forecasting based on dynamic adaptive artificial neural network and human body amenity indicator[J]. Power System Protection and Control, 2012, 40(1): 57-61.
[8] 康重庆,程旭,夏清,等. 一种规范化处理相关因素的短期负荷预测新策略[J]. 电力系统自动化,1999,23（18）：32-35.
KANG Chong-qing, CHENG Xu, XIA Qing, et al . A new unified approach to short-term load forecasting considering correlated factors[J]. Automation of Electric Power Systems, 1999, 23(18):32-35.
[9] 王晶,冯显时,郭红珍. 基于蚁群元胞自动机理论的城市饱和负荷预测[J]. 中国电力,2011,44（7）：17-20.
WANG Jing, FENG Xian-shi, GUO Hong-zhen. Urban load saturation forecast based on ant cellular automata theory[J].Electric Power, 2011, 44(7): 17-20.
[10] East-Slovakia Power Distribution Company.World wide competition within the EUNITE network, EUNITE competition report[R].

[1]	郑鹏, 韩鹏程, 王国栋, 娄颖. 中压配电线路断线高阻接地故障精细化诊断方法[J]. 中国电力, 2024, 57(4): 220-228.
[2]	陈庆斌, 杨耿煌, 耿丽清, 苏娟, 孙京生. 基于相似日选取和数据重构的短期光伏功率组合预测方法[J]. 中国电力, 2024, 57(12): 71-81.
[3]	胡云鹏, 都成刚, 齐军, 郑日红, 阿敏夫, 张浩, 梁永亮. 基于D-S证据理论的配电网接地故障原因综合辨识模型[J]. 中国电力, 2024, 57(10): 133-142.
[4]	徐一伦, 张彬桥, 黄婧, 谢枭, 王若昕, 沈丹青, 何丽娜, 杨凯帆. 考虑天气类型和相似日的IWPA-LSSVM光伏发电功率预测[J]. 中国电力, 2023, 56(2): 143-149.
[5]	韩伟, 段文岩, 杜兴伟, 姚峰, 马伟东, 刘磊. 基于数字孪生的在运安控系统故障诊断方法[J]. 中国电力, 2023, 56(11): 121-127.
[6]	严亚兵, 褚旭, 肖豪龙, 梁文武, 李辉, 夏振兴. 基于改进支持向量机的数字化变电站安全措施生成技术[J]. 中国电力, 2023, 56(10): 194-201.
[7]	陈铁, 冷昊伟, 李咸善, 陈一夫. 基于油中气体分析与类重叠特征的变压器分层故障诊断模型[J]. 中国电力, 2022, 55(7): 22-32,41.
[8]	徐宇颂, 邹山花, 卢先领. 基于特征选择和组合模型的短期电力负荷预测[J]. 中国电力, 2022, 55(7): 121-127.
[9]	樊江川, 于昊正, 刘慧婷, 杨丽君, 安佳坤. 基于多分支门控残差卷积神经网络的短期电力负荷预测[J]. 中国电力, 2022, 55(11): 155-162,174.
[10]	杨胡萍, 余阳, 汪超, 李向军, 胡奕涛, 饶楚楚. 基于VMD-CNN-BIGRU的电力系统短期负荷预测[J]. 中国电力, 2022, 55(10): 71-76.
[11]	彭生江, 孙传帅, 妥建军, 袁铁江. 面向统一能源系统的中长期氢负荷预测[J]. 中国电力, 2022, 55(1): 84-90.
[12]	曾囿钧, 肖先勇, 徐方维, 郑林. 基于CNN-BiGRU-NN模型的短期负荷预测方法[J]. 中国电力, 2021, 54(9): 17-23.
[13]	李登峰, 杨旼才, 刘育明, 徐瑞林, 余霞, 李昭炯. 基于SVR数据驱动的发电机进相极限最优化求解方法[J]. 中国电力, 2021, 54(8): 136-143,153.
[14]	庄家懿, 杨国华, 郑豪丰, 张鸿皓. 基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法[J]. 中国电力, 2021, 54(5): 46-55.
[15]	李亮, 范瑾, 闫林, 张宓, 王鹏飞, 赵小军, 肖海滨. 基于混合采样和支持向量机的变压器故障诊断[J]. 中国电力, 2021, 54(12): 150-155.

基于日特征量相似日的PSO-SVM短期负荷预测

Short-Term Load Forecasting for Similar Days Based on PSO-SVM and Daily Feature Vector

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

模态框（Modal）标题

基于日特征量相似日的PSO-SVM短期负荷预测

Short-Term Load Forecasting for Similar Days Based on PSO-SVM and Daily Feature Vector

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics