科学技术与工程
科學技術與工程
과학기술여공정
SCIENCE TECHNOLOGY AND ENGINEERING
2013年
34期
10177-10181
,共5页
张庆新%崔展博%马睿%陈磊
張慶新%崔展博%馬睿%陳磊
장경신%최전박%마예%진뢰
Kalman滤波%组合预测模型%负荷预测%最小二乘法
Kalman濾波%組閤預測模型%負荷預測%最小二乘法
Kalman려파%조합예측모형%부하예측%최소이승법
The kalman filtering%combination forecasting model%load forecasting%method of least squares
对大型工业企业电力负荷震荡剧烈、幅度大等问题,提出了借助卡尔曼滤波对“失真数据”进行实时估计,弱化陈旧数据权值的k-means聚类和径向基网络的组合预测模型.依据最小逼近误差,利用最小二乘法对RBF网络的输出权值进行优化.文中方法对电力系统不同的工况背景,使用k-means聚类算法来确定隐藏节点的数据中心和扩展常数,改善了常规RBF网络随机选择网络中心的情况,同时使电力负荷精度得以有效提高.最后,依据文中的组合模型和其他4种常用算法分别对宝钢电力系统负荷数据进行分析预测,仿真结果表明:方法对负荷预测效果较好.
對大型工業企業電力負荷震盪劇烈、幅度大等問題,提齣瞭藉助卡爾曼濾波對“失真數據”進行實時估計,弱化陳舊數據權值的k-means聚類和徑嚮基網絡的組閤預測模型.依據最小逼近誤差,利用最小二乘法對RBF網絡的輸齣權值進行優化.文中方法對電力繫統不同的工況揹景,使用k-means聚類算法來確定隱藏節點的數據中心和擴展常數,改善瞭常規RBF網絡隨機選擇網絡中心的情況,同時使電力負荷精度得以有效提高.最後,依據文中的組閤模型和其他4種常用算法分彆對寶鋼電力繫統負荷數據進行分析預測,倣真結果錶明:方法對負荷預測效果較好.
대대형공업기업전력부하진탕극렬、폭도대등문제,제출료차조잡이만려파대“실진수거”진행실시고계,약화진구수거권치적k-means취류화경향기망락적조합예측모형.의거최소핍근오차,이용최소이승법대RBF망락적수출권치진행우화.문중방법대전력계통불동적공황배경,사용k-means취류산법래학정은장절점적수거중심화확전상수,개선료상규RBF망락수궤선택망락중심적정황,동시사전력부하정도득이유효제고.최후,의거문중적조합모형화기타4충상용산법분별대보강전력계통부하수거진행분석예측,방진결과표명:방법대부하예측효과교호.
