- 1、本文档共6页,可阅读全部内容。
- 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、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、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
- 基于摩擦的高层建筑缓降逃生装置的创新设计.pdf
- 基于撬棒并联动态电阻的自适应双馈风力发电机低电压穿越.pdf
- 基于操作域划分的聚丙烯熔融指数软测量.pdf
- 基于支付能力与支付意愿的居民生活用水水价承受能力研究——以广州市番禺区为例.pdf
- 基于支持向量信息测度排序的快速分类算法.pdf
- 基于支持向量回归的三元溶液浓度重构算法研究.pdf
- 基于支持向量回归的唇动参数预测.pdf
- 基于支持向量学习的多目标并行区域增长图像分割算法研究.pdf
- 基于支持向量机(SVM)的数字音频水印.pdf
- 基于支持向量机和神经网络方法的应力腐蚀裂纹定量重构.pdf
- 2023-2024学年广东省深圳市龙岗区高二(上)期末物理试卷(含答案).pdf
- 2023-2024学年贵州省贵阳市普通中学高一(下)期末物理试卷(含答案).pdf
- 21.《大自然的声音》课件(共45张PPT).pptx
- 2023年江西省吉安市吉安县小升初数学试卷(含答案).pdf
- 2024-2025学年广东省清远市九校联考高一(上)期中物理试卷(含答案).pdf
- 广东省珠海市六校联考2024-2025学年高二上学期11月期中考试语文试题.pdf
- 2024-2025学年语文六年级上册第4单元-单元素养测试(含答案).pdf
- 2024-2025学年重庆八中高三(上)月考物理试卷(10月份)(含答案).pdf
- 安徽省安庆市潜山市北片学校联考2024-2025学年七年级上学期期中生物学试题(含答案).pdf
- 贵州省部分校2024-2025学年九年级上学期期中联考数学试题(含答案).pdf
文档评论(0)