论文部分内容阅读
在智能电网普及的大数据背景下,对电力数据进行准确地分析和预测具有重要意义。提出一种基于前趋势相似度的细粒度居民用电预测模型。根据用户的用电行为特征采用基于DTW距离的K-mediods方法对总体用户进行细粒度划分;在各个子类分别建立用电量预测模型;根据用户的用电行为具有周期性突变这一现象,采用基于前趋势相似度的BP神经网络模型对原BP网络进行改进。基于真实居民用电数据的实验表明,所提出的方法具有较好的预测效果。