论文部分内容阅读
短期负荷预测在电力系统的日常运行和调度中起着重要作用,季节和温度是影响负荷变化的最重要因素,但随机因素会在特定时间内改变需求消耗,这将导致突然的负荷变化。为了提高预测精度,提出了一种用于短期负荷预测的加权时变滑动模糊时间序列模型(WTVS)。将WTVS模型分为数据预处理,趋势训练和负荷预测三个部分。在数据预处理阶段,通过平滑历史数据将削弱随机因素的影响。在趋势训练和负荷预测阶段,将季节因素和加权历史数据引入到短期负荷预测的时变滑模糊时间序列模型(TVS)中。运用国网陕西省电力公司的负荷数据对WTVS模型进