資料介紹
利用傳統(tǒng)方法預(yù)測(cè)母線負(fù)荷時(shí),通常選取離待測(cè)日相近的一段時(shí)間作為歷史相似日進(jìn)行模型訓(xùn)練,沒(méi)有考慮其天氣情況、星期類型、節(jié)假日等因素的影響,相似日與待測(cè)日特征相差較大。為解決以上問(wèn)題,提出一種基于層次聚類( HC)和極限學(xué)習(xí)機(jī)(ELM)的母線負(fù)荷預(yù)測(cè)算法。首先使用層次聚類法將母線歷史日負(fù)荷進(jìn)行聚類,然后對(duì)層次聚類得出的聚類結(jié)果建立決策樹,其次根據(jù)待測(cè)日的溫度、濕度、星期和節(jié)假日類型等日屬性在決策樹中匹配出訓(xùn)練極限學(xué)習(xí)機(jī)預(yù)測(cè)模型的歷史日負(fù)荷,最后建立極限學(xué)習(xí)機(jī)預(yù)測(cè)模型,對(duì)待測(cè)日母線日負(fù)荷進(jìn)行預(yù)測(cè)。對(duì)兩條不同母線的負(fù)荷進(jìn)行了預(yù)測(cè),與傳統(tǒng)單一的極限學(xué)習(xí)機(jī)相比,所提算法的平均絕對(duì)百分比誤差( MAPE)分別降低了1.4和0.8個(gè)百分點(diǎn)。實(shí)驗(yàn)結(jié)果表明,所提算法預(yù)測(cè)母線負(fù)荷具有更高的預(yù)測(cè)精度和穩(wěn)定性。

母線負(fù)荷可以定義為由變電站的主變壓器供給一個(gè)相對(duì)較小的供電區(qū)域的終端負(fù)荷的總和,是系統(tǒng)負(fù)荷的細(xì)化。對(duì)母線負(fù)荷的精確預(yù)測(cè)是改善電網(wǎng)安全性、穩(wěn)定性和經(jīng)濟(jì)性,提高用電質(zhì)量的重要保證。母線負(fù)荷不同于系統(tǒng)負(fù)荷,它具有以下特點(diǎn):母線負(fù)荷易受氣象因素變化影響,如氣溫的突然升高和降低,將引起居民用電特別是空調(diào)負(fù)荷的劇烈變化,大面積降雨后會(huì)引起排漬負(fù)荷的突然增加;電網(wǎng)系統(tǒng)中母線數(shù)目眾多、量大面廣、負(fù)荷基數(shù)小,波動(dòng)性大,不同母線之間負(fù)荷差異較大,難以人工逐一深入分析。因此,對(duì)母線負(fù)荷進(jìn)行精準(zhǔn)的預(yù)測(cè)具有較高的難度。
- 基于成對(duì)學(xué)習(xí)和圖像聚類的肺癌亞型識(shí)別 4次下載
- 如何使用遺傳算法和正則化極限學(xué)習(xí)機(jī)進(jìn)行PM2.5的濃度預(yù)測(cè)研究分析 6次下載
- LSSVM短期負(fù)荷預(yù)測(cè)模型 4次下載
- 極限學(xué)習(xí)機(jī)的混沌海雜波背景中微弱信號(hào)檢測(cè) 0次下載
- 核極端學(xué)習(xí)機(jī)模型在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用 0次下載
- 極限學(xué)習(xí)機(jī)的軟測(cè)量模型 0次下載
- 基于快速自編碼的正則化極限學(xué)習(xí)機(jī) 0次下載
- 基于低頻喚醒和極限學(xué)習(xí)機(jī)的無(wú)線定位系統(tǒng)_張?zhí)斐?/a> 3次下載
- 核多元基因選擇和極限學(xué)習(xí)機(jī)在微陣列分析中的應(yīng)用_楊勤 0次下載
- 基于粒子群與極限學(xué)習(xí)機(jī)的電能質(zhì)量信號(hào)特征選擇與識(shí)別 0次下載
- 基于互信息屬性分析與極端學(xué)習(xí)機(jī)的超短期風(fēng)速預(yù)測(cè) 0次下載
- 基于EMD和神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè) 14次下載
- 基于支持向量機(jī)的電力短期負(fù)荷預(yù)測(cè)
- 一種基于GiST的層次聚類算法
- 基于分布模型的層次聚類算法
- BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機(jī)制 1.9k次閱讀
- 基于CNN-LSTM網(wǎng)絡(luò)的電力負(fù)荷預(yù)測(cè) 3.3k次閱讀
- 聚類分析中的機(jī)器學(xué)習(xí)與統(tǒng)計(jì)方法綜述(二) 2.4k次閱讀
- 如何在 Python 中安裝和使用頂級(jí)聚類算法 1.2k次閱讀
- 10種頂流聚類算法Python實(shí)現(xiàn)(附完整代碼) 2.5k次閱讀
- 基于自適應(yīng)粒子群算法優(yōu)化支持向量機(jī)的負(fù)荷預(yù)測(cè) 2.2k次閱讀
- 10種聚類介紹和Python代碼 7.1k次閱讀
- 學(xué)習(xí)機(jī)器人對(duì)教育有什么樣的作用 6.9k次閱讀
- 國(guó)內(nèi)外專家和學(xué)者根據(jù)配用電數(shù)據(jù)預(yù)測(cè)短期負(fù)荷的方法 2.5k次閱讀
- Python無(wú)監(jiān)督學(xué)習(xí)的幾種聚類算法包括K-Means聚類,分層聚類等詳細(xì)概述 3.2w次閱讀
- 機(jī)器學(xué)習(xí)中五種常用的聚類算法 3.9w次閱讀
- 淺談Matlab中的聚類分析 Matlab聚類程序的設(shè)計(jì) 7.7k次閱讀
- 基于密度DBSCAN的聚類算法 2.3w次閱讀
- k means聚類算法實(shí)例 1.6w次閱讀
- SVM與Fourier算法在電網(wǎng)短期負(fù)荷預(yù)測(cè)中的應(yīng)用 1.6k次閱讀
下載排行
本周
- 1MDD品牌三極管BC807數(shù)據(jù)手冊(cè)
- 3.00 MB | 次下載 | 免費(fèi)
- 2MDD品牌三極管BC817數(shù)據(jù)手冊(cè)
- 2.51 MB | 次下載 | 免費(fèi)
- 3MDD品牌三極管D882數(shù)據(jù)手冊(cè)
- 3.49 MB | 次下載 | 免費(fèi)
- 4MDD品牌三極管MMBT2222A數(shù)據(jù)手冊(cè)
- 3.26 MB | 次下載 | 免費(fèi)
- 5MDD品牌三極管MMBTA56數(shù)據(jù)手冊(cè)
- 3.09 MB | 次下載 | 免費(fèi)
- 6MDD品牌三極管MMBTA92數(shù)據(jù)手冊(cè)
- 2.32 MB | 次下載 | 免費(fèi)
- 7STM32G474 HRTIME PWM 丟波問(wèn)題分析與解決
- 1.00 MB | 次下載 | 3 積分
- 8新能源電動(dòng)汽車高壓線束的銅鋁連接解決方案
- 2.71 MB | 次下載 | 2 積分
本月
- 1愛華AIWA HS-J202維修手冊(cè)
- 3.34 MB | 37次下載 | 免費(fèi)
- 2PC5502負(fù)載均流控制電路數(shù)據(jù)手冊(cè)
- 1.63 MB | 23次下載 | 免費(fèi)
- 3NB-IoT芯片廠商的資料說(shuō)明
- 0.31 MB | 22次下載 | 1 積分
- 4H110主板CPU PWM芯片ISL95858HRZ-T核心供電電路圖資料
- 0.63 MB | 6次下載 | 1 積分
- 5UWB653Pro USB口測(cè)距通信定位模塊規(guī)格書
- 838.47 KB | 5次下載 | 免費(fèi)
- 6技嘉H110主板IT8628E_BX IO電路圖資料
- 2.61 MB | 4次下載 | 1 積分
- 7蘇泊爾DCL6907(即CHK-S007)單芯片電磁爐原理圖資料
- 0.04 MB | 4次下載 | 1 積分
- 8蘇泊爾DCL6909(即CHK-S009)單芯片電磁爐原理圖資料
- 0.08 MB | 2次下載 | 1 積分
總榜
- 1matlab軟件下載入口
- 未知 | 935137次下載 | 10 積分
- 2開源硬件-PMP21529.1-4 開關(guān)降壓/升壓雙向直流/直流轉(zhuǎn)換器 PCB layout 設(shè)計(jì)
- 1.48MB | 420064次下載 | 10 積分
- 3Altium DXP2002下載入口
- 未知 | 233089次下載 | 10 積分
- 4電路仿真軟件multisim 10.0免費(fèi)下載
- 340992 | 191439次下載 | 10 積分
- 5十天學(xué)會(huì)AVR單片機(jī)與C語(yǔ)言視頻教程 下載
- 158M | 183353次下載 | 10 積分
- 6labview8.5下載
- 未知 | 81602次下載 | 10 積分
- 7Keil工具M(jìn)DK-Arm免費(fèi)下載
- 0.02 MB | 73822次下載 | 10 積分
- 8LabVIEW 8.6下載
- 未知 | 65991次下載 | 10 積分
電子發(fā)燒友App





創(chuàng)作
發(fā)文章
發(fā)帖
提問(wèn)
發(fā)資料
發(fā)視頻
上傳資料賺積分
評(píng)論