基于关联分析与机器学习的配网台区重过载预测方法

TP393; 针对配电网运行中长期存在的台区重过载问题,提出基于关联规则挖掘的重过载影响因素分析方法,从设备和用户属性、自然环境、短期负荷特性中挖掘针对各类重过载事件的关联规则.从关联项中提取重过载影响因素,并基于机器学习模型,建立重过载事件预测模型,实现对重过载事件的短期预测.最后利用业务系统实际数据,对所提方法进行了效果验证.算例结果表明,新方法能够更为系统、全面地刻画重过载事件,提出的重过载预测模型在命中率和准确率方面表现良好....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	大数据 2018, Vol.4 (1), p.103-116
Hauptverfasser:	张国宾, 王晓蓉, 邓春宇
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	TP393; 针对配电网运行中长期存在的台区重过载问题,提出基于关联规则挖掘的重过载影响因素分析方法,从设备和用户属性、自然环境、短期负荷特性中挖掘针对各类重过载事件的关联规则.从关联项中提取重过载影响因素,并基于机器学习模型,建立重过载事件预测模型,实现对重过载事件的短期预测.最后利用业务系统实际数据,对所提方法进行了效果验证.算例结果表明,新方法能够更为系统、全面地刻画重过载事件,提出的重过载预测模型在命中率和准确率方面表现良好.
ISSN:	2096-0271
DOI:	10.11959/j.issn.2096-0271.2018011