| 基于改进数据驱动子空间算法的电力负荷预测 |
| |
| 引用本文： | 姚佳馨,田慧欣. 基于改进数据驱动子空间算法的电力负荷预测[J]. 计算机工程, 2015, 0(5) |
| |
| 作者姓名： | 姚佳馨 田慧欣 |
| |
| 作者单位： | 天津工业大学 电气工程与自动化学院，天津300387; 天津工业大学 电工电能新技术天津重点实验室，天津300387 |
| |
| 基金项目： | 天津市应用基础及前沿技术研究基金资助项目(11JCYBJC07000)。 |
| |
| 摘 要： | 在钢铁企业中，电力负荷消耗规模相对较小，未呈现明显的周期性变化特征，而工序变化会导致瞬间电力负荷波动较大，传统负荷预测模型对工业用电预测效果不佳，无法有效预测出用户的突发性扰动。采用数据驱动的子空间方法预测钢铁企业电力负荷，分别建立基于子空间算法的电力日负荷预测、超短期负荷预测2个模型。为提高预测模型准确率，引入反馈因子和遗忘因子来改善标准子空间算法的性能。以实际电力负荷数据的测试验证该方法的实用性，预测结果能够为钢铁企业的电力负荷预测和二次能源智能管理提供有效的决策支持。
|
| 关 键 词： | 数据驱动子空间 反馈因子 遗忘因子 小波变换 电力负荷预测 智能管理 |
Power Load Prediction Based on Improved Data-driven Subspace Algorithm |
| |
| YAO Jiaxin,TIAN Huixin. Power Load Prediction Based on Improved Data-driven Subspace Algorithm[J]. Computer Engineering, 2015, 0(5) |
| |
| Authors: | YAO Jiaxin TIAN Huixin |
| |
| Abstract: | |
| |
| Keywords: | data-driven subspace feedback factor forgetting factor wavelet transform power load prediction intelligent management |
| 本文献已被 万方数据 等数据库收录！ |
