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