基于改进数据驱动子空间算法的电力负荷预测.pdf

基于改进数据驱动子空间算法的电力负荷预测.pdf

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于改进数据驱动子空间算法的电力负荷预测.pdf

第41卷  第5期   计 算 机 工 程 2015年5月     Vol.41  No.5   Computer Engineering May2015 ·开发研究与工程应用 · 文章编号:1000-3428(2015)05-0311-05      文献标识码:A      中图分类号:TP181 基于改进数据驱动子空间算法的电力负荷预测 a,b a,b 姚佳馨 ,田慧欣 (天津工业大学 a.电气工程与自动化学院;b.电工电能新技术天津重点实验室,天津300387) 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 中文引用格式: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,2015,41(5):311-315. 英文引用格式:YaoJiaxin,Tian Huixin.Power Load Prediction Based on Improved Data-driven Subspace Algorithm[J]. Computer Engineering,2015,41(5):311-315. Power Load Prediction Based on Improved Data-driven Subspace Algorithm a,b a,b YAO Jiaxin ,TIAN Huixin (a.School of Electrical Engineering and Automation;b.Tianjin Key Lab of Advanced Technology of Electrical Engineering and Energy,Tianjin Polytechnic University,Tianjin300387,China) 【Abstract】 In iron and steel enterprises,power load consuming is small. It does not render the pronounced cyclical variations.Process change leads to instant load fluctuations. The traditional load prediction model cannot effectively predict users’sudden disturbance.A subspace method for data-driven prediction power load of steel enterprises is used based on subspace algorithm to establish ultra-short term load prediction of power daily load prediction model. To improve the accur

您可能关注的文档

文档评论(0)

我的文档 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档