吴 云, 雷建文, 鲍丽山, 李春哲

(1. 东北电力大学信息工程学院, 吉林省吉林市 132012; 2. 国网江苏省电力有限公司信息通信分公司, 江苏省南京市 221000; 3. 国网吉林省电力有限公司辽源供电公司, 吉林省辽源市 136200)

0 引言

短期电力负荷预测是电网运行调度、生产规划的重要组成部分,它主要是对未来几时、一天甚至几天的电力负荷进行预测,其主要用于安排短期调度计划、应对紧急情况,是电力系统安全稳定和经济运行的基础[1-2]。

随着影响负荷预测因素的数量、种类的增多,随机性以及分布特点变得复杂,传统的负荷预测方法的速度与精度已经不能满足大数据环境下的要求[3]。越来越多的算法应用到负荷预测领域之中,使得负荷预测的精度不断提高[4]。文献[5]把灰色模型与神经网络的优点相互结合,并采用遗传算法对神经网络进行优化,以此完成对短期电力负荷的预测,预测精度较单一的神经网络方法有所提高。然而该方法的训练样本中有很多异于待测日特征的样本,这不仅造成神经网络训练时间较长,而且收敛速度较慢。文献[6]把改进的随机森林算法与灰色投影相结合对电网短期负荷预测。该方法虽然通过灰色关联投影法能够找到与待测日具有相似特征的历史日,但是找到的相似日只具备良好的负荷趋势相似性,而不具备良好的负荷曲线形状相似性[7],因此预测精度也有待提高。

为弥补传统灰色关联分析法在选择相似日时只考……