基于智能電表數據分析的精細化時-空負荷特性分析.pdf

1、電力行業(yè)是整個國家的基礎性行業(yè)之一，其重要性不言而喻。而電能的無法大量存儲的特性，使得電能的生產量要求和需求量大致相同，因此需要對負荷進行精準預測。而隨著主動配電網的出現和發(fā)展，安裝到戶的智能電表越來越普及，其采集到的用戶用電數據也越來越精細，而且負荷數據的規(guī)模也隨之增加。此外，分布式光伏發(fā)電和分布式風電的出現和發(fā)展，以及它們的電網接入和消納，都對負荷預測的精度提出了更高的要求。
　　針對城市負荷預測需要，提出一種基于隨機森林的負

2、荷預測特征選擇新方法。首先，從實測歷史負荷與待預測點時間信息中提取243個相關特征構成原始特征集合；其次，以原始特征集構建隨機森林負荷預測模型，使用包含全部特征的訓練集訓練該模型；之后，通過測試集開展預測，并確定原始模型預測誤差與每一個特征的重要度；然后，根據特征重要度，采用優(yōu)化的序列后向搜索策略選擇出最優(yōu)預測特征子集；最后，用該子集構建最終的預測模型。實驗證明，采用特征選擇后確定的隨機森林預測模型相較原始模型具有更高的預測精度與效率，

3、且預測精度優(yōu)于基于支持向量回歸與人工神經網絡的預測模型。
　　得益于隨機森林能夠準確的分析原始特征空間中所有特征的重要度這一研究結論，針對含大量居民用電用戶的配網負荷預測需要，開展基于特征重要度的用電用戶聚類研究。首先，對原始智能電表負荷數據進行預處理；其次，按照上述相同的方法提取338個相關特征構成原始特征集合；之后，對每一個用電用戶構建一個隨機森林預測模型，并使用原始特征集合訓練該模型；然后，根據訓練結束后得到特征重要度，對所