基于改进关联分析的行业短期电力负荷预测.pdfVIP

第42卷第11期Vol.42，No.11

2023年11月ZhejiangElectricPowerNov.25.2023

基于改进关联分析的行业短期电力负荷预测

11112

虞殷树，陈东海，朱耿，贺旭，白文博

（1.国网浙江省电力有限公司宁波供电公司，浙江宁波315000；

2.宁波市电力设计院有限公司，浙江宁波315000）

摘要：行业短期电力负荷的准确预测对于地区电网的安全经济运行具有重要意义。为此，提出一种基于

关联分析和卷积神经网络的行业短期电力负荷预测模型。首先，对k-means聚类算法进行优化，并对行业

负荷和外部影响因素的原始数据进行聚类处理，以改善后续关联分析的准确性；然后，提出一种基于标准

互信息的改进关联分析方法，对各种外部影响因素和行业负荷的关联性进行定量分析；最后，基于卷积神

经网络设计一种计及外部影响因素关联性的负荷预测网络，网络在经过训练后可用于行业短期电力负荷的

预测。对照实验结果表明，所提模型在各行业的短期电力负荷预测中都具有更好的准确性和稳定性。

关键词：负荷预测；关联分析；标准互信息；k-means聚类；卷积神经网络

DOI:10.19585/j.zjdl.202311004开放科学（资源服务）标识码（OSID）：

Ashort-termpowerloadforecastingmethodforindustrialsectorsbasedonanim⁃

provedcorrelationanalysis

11112

YUYinshu，CHENDonghai，ZHUGeng，HEXu，BAIWenbo

（1.StateGridNingboPowerSupplyCompany，Ningbo，Zhejiang315000，China；

2.NingboElectricPowerDesignInstituteCo.，Ltd.，Ningbo，Zhejiang315000，China）

Abstract:Accurateforecastingofshort-termpowerloadforindustrialsectorsplaysapivotalroleinensuringthe

safeandeconomicoperationofregionalpowergrids.Toaddressthiscriticalneed，ashort-termpowerloadforecast⁃

ingmodelinindustriesbasedoncorrelationanalysisandconvolutionalneuralnetwork（CNN）isproposed.First，

thek-meansclusteringalgorithmisoptimized，andtherawdataofindustryloadandext