考虑多重影响因素的负荷同时系数预测方法

作者：高亚静; 吉旺威; 陶珺函; 纪巍; 谢庆

来源：中国电机工程学报, 2013, S1: 85-91.

DOI：10.13334/j.0258-8013.pcsee.2013.s1.019

• 负荷同时系数
• 影响因素
• K-means聚类
• 径向基函数神经网络 load simultaneous factor
• influence factor
• K-means clustering
• radial basis RBF) neural network

负荷同时系数的选取是合理开展电力系统负荷预测工作的基础。目前,实际工程中的小区同时系数的选取缺乏理论依据,选取结果不能合理匹配小区的实际用电需求。针对该类问题,该文提出一种考虑多重影响因素的负荷同时系数预测方法。通过分析负荷同时系数的主要影响因素,构建同时系数影响因素指标体系。基于模糊K均值(K-means)聚类算法和径向基函数(radial basis function,RBF)神经网络相结合的方法,对样本集进行聚类分析,根据聚类结果预测样本的负荷同时系数。该方法可以大大提高样本的预测精度。对城市小区配电网规划具有指导意义。

• 出版日期2013
• 单位新能源电力系统国家重点实验室; 华北电力大学