控制理论与应用

作者：张金金,张倩,马愿,李智

单位：安徽大学电气工程与自动化学院,安徽大学电气工程与自动化学院,安徽大学电气工程与自动化学院,国网安徽省电力有限公司

关键词：负荷预测; IRF; DBSCAN; EWT

基金：国家重点研发计划项目(2016YFB0900400),国家自然科学基金(51507001), 分布式可再生能源发电集群并网消纳与用采、配自、调控系统数据融合(5212N0180061), 安徽省电力公司科技项目(5212001700), 安徽省博士后研究基金(Z01011804).

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.

来源：2020年第10期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2020年第10期