基于灰色关联分析和K均值聚类的短期负荷预测

摘要：

在基于相似日的短期电力负荷预测技术中,相似日的选取影响着负荷预测精度,提出一种基于灰色关联分析(grey relation analysis,GRA)和K均值(K-means)聚类选取相似日的短期负荷预测模型.首先,采用灰色关联分析方法选取相似日粗集,再对相似日粗集的外部因素使用K均值聚类.然后,计算待预测日与聚类中心的欧氏距离,将距离最小一类作为最终相似日集合.最后,利用最终相似日集合训练长短期记忆(long-short term memory,LSTM)神经网络,进行负荷预测.与未采用相似日的LSTM模型和采用传统的灰色关联分析的LSTM模型相比,所提方法的平均绝对百分比误差(mean absolute percentage error,MAPE)分别降低了0.911％、0.637％.算例分析表明,采用GRA-K-means选取相似日可以有效提升短期电力负荷的预测精度.

关键词：短期负荷预测、灰色关联分析、K均值聚类、相似日、LSTM神经网络

所属期刊栏目：42

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：上海市科委地方院校能力建设项目20020500700

在线出版日期：2021-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：110-117