数据与误差驱动的典型行业用电量预测方法研究

Abstract

在新常态经营形势下，用电量的精细化预测对于电力系统的安全、稳定、经济运行具有重要意义。采用基于数据驱动与误差修正的递进式思路，研究行业用电量主要影响因素辨识与预测方法。首先，在数据驱动层面，从相关度和冗余度角度应用最大信息系数和最大关联-最小冗余性初步识别主要影响因素。其次，在误差驱动层面，采用随机森林方法考虑误差进行影响因素精筛。再次，构建考虑了递进式主要影响因素辨识的行业用电量预测模型。预测模型应用自组织映射方法对典型行业的细分行业用电数据样本集进行聚类，分类应用递进式影响因素辨识方法获得主要影响因素，然后同历史用电量数据一起构造误差反向传播神经网络模型进行预测，通过细分聚类、预测求和的方式获得典型行业用电量预测结果。最后，以中国北方某区域两个典型工业行业用电量为预测对象，通过算例验证该方法的适用性。

Keywords

• 典型工业行业用电量
• 主要影响因素辨识
• 自组织映射
• bp神经网络