基于贝叶斯网络的现货市场化交易用户电能量预测.pdf
《基于贝叶斯网络的现货市场化交易用户电能量预测.pdf》由会员分享,可在线阅读,更多相关《基于贝叶斯网络的现货市场化交易用户电能量预测.pdf(4页珍藏版)》请在咨信网上搜索。
1、自动化技术与应用2024 年第 43 卷第 1 期行业应用与交流Industrial Applications and CommunicationsTechniques ofAutomation&Applications基于贝叶斯网络的现货市场化交易用户电能量预测张 霞,胡学强,谢瑞恒(南方电网数字电网研究院有限公司,广东 广州 510000)摘要:为提升电能量预测准确性,研究基于贝叶斯网络的现货市场化交易用户电能量预测方法。利用主成分分析降维处理用户电能量数据;以余弦相似度为降维后数据聚类的形态度量相似判据,建立用户电能量特征库;利用评分搜索与期望最大化算法确定贝叶斯网络结构与学习网络参数,
2、建立贝叶斯网络模型,在该模型内输入特征库内的数据,输出电能量预测结果。实验证明:该方法可精准聚类用户电能量数据曲线,精准预测用户电能量;该方法网络参数学习时的相对熵距离较小,具备较优的网络参数学习效果。关键词:贝叶斯网络;现货市场;交易用户;电能量预测;主成分分析;评分搜索中图分类号:TP18文献标识码:A文章编号:1003-7241(2024)01-0153-04Electric Energy Prediction of Spot Market Trading UsersBased on Bayesian NetworkZHANG Xia1,HU Xue-qiang2,XIE Rui-hen
3、g3(Digital Enterprise Branch of CSG Digital Grid Research Institute Co.,Ltd.,Guangzhou 510000 China)Abstract:In order to improve the accuracy of electric energy prediction,the electric energy prediction method of spot market trading usersbased on Bayesian network is studied.Principal component analy
4、sis(PCA)is used to reduce dimension to process users electric en-ergy data.Taking cosine similarity as the similarity criterion of morphological measurement of data clustering after dimension re-duction,the users electric energy feature library is established.The Bayesian network structure and learn
5、ing network parameters aredetermined by using the scoring search and expectation maximization algorithm,and the Bayesian network model is established.Inthis model,the data in the feature library are input,and the electric energy prediction results are output.Experiments show that thismethod can accu
6、rately cluster the users electric energy data curve and accurately predict the users electric energy.This method hasa small relative entropy distance when learning network parameters,and has a better learning effect of network parameters.Keywords:Bayesian network;spot market;transaction users;electr
7、ic energy prediction;principal component analysis;score search收稿日期:2022-05-28DOI:10.20033/j.1003-7241.(2024)01-0153-04.1引言电力市场建设的重中之重是现货市场化交易工作的发展,参与现货市场化交易的用户不断提升,同时电力市场的用户管理水平较差1-3,导致用户电能量预测精度较低。因为当前电能量不能合理存储4,所以电能量预测对于用户、发电企业与售电企业均存在较大影响,精准预测电能量可促进电力市场的拓展,改进发电企业与售电企业的服务质量5,为用户提供更好的服务。王飞等人将数据分辨率压缩
8、尺度变更为一个优化问题,利用数据驱动求解该问题,通过长短期记忆神经网络结合求解结果完成电能量预测,精准平衡数据分辨率与电能量预测步长间的合理性,有效预测用户电能量6;孙书凯等人依据风能源气候态预报结果数据,建立风能特征挖掘模型,结合风电场实际发电数据,利用长短期记忆神经网络塑造预测模型,有效预测用户电能量7。这两种方法均可以解决大量的信息输入问题,存在自适应学习能力,但长短期记忆神经网络模型学习速率不快,针对大量数据情况下,这两种方法的预测时间均较长,同时大部分结果不能解释。贝叶斯网络有效结合图论与概率论,在处理海量数据、不确定性问题与推理问题中具备较优的效果。为此研究基于贝叶斯网络的现货市场
9、化交易用户电能量预测方法,提升电能量预测效果。2现货市场化交易用户电能量预测2.1现货市场化交易用户电能量特征库建立因为生活环境相差较小的现货市场化交易用户的电能量非常接近,所以依据用户用电特性,可提升现货市场化交易用户电能量预测准确性。维度较高的用户电能量数据会影响电能量特征库塑造过程中的电能量数据聚类速度,为此利用主成分分析(Principal Component Anal-153行业应用与交流Industrial Applications and Communications自动化技术与应用2024 年第 43 卷第 1 期Techniques ofAutomation&Applicat
10、ionsysis,PCA)降维处理用户电能量数据,加快现货市场化交易用户电能量特征库建立速度。PCA可以在不损失现货市场化交易用户电能量原矩阵内存在的数据基础上,将高维用户电能量数据矩阵映射至低维用户电能量数据矩阵,利用新的用户电能量数据矩阵呈现原矩阵的基本用户电能量特征,PCA的降维步骤如下:步骤1:令某地区现货市场化交易中存在m个用户,这些用户在一定周期中的平均电能量曲线形成的典型日电能量数据矩阵是R=r1,rmT,其中,n个时间点的典型日电能量曲线是ri。标准化处理R,获取标准化典型日用户电能量数据矩阵R;步骤2:塑造内电能量数据间联系紧密程度的协方差矩阵C,公式如下:(1)步骤3:计算
11、C的特征值,获取第l个主成分的贡献率与K个主成分累计贡献率,公式如下:(2)(3)式中,第1个用户电能量主成分的贡献系数是l;在86%情况下,说明K个用户电能量特征变量涵盖了原始用户电能量数据矩阵内的全部数据。以余弦相似度为降维后用户电能量数据聚类的形态度量相似判据,用于塑造现货市场化交易用户电能量特征库。令两条降维后的用户电能量数据曲线是与,那么与的余弦相似度如下:(4)S的度量取值区间是-1,1,S越大,说明用户间电能量曲线的形态越接近,依据S值将形态相似的用户电能量数据聚类至一起,建立现货市场化交易用户电能量特征库W。2.2基于贝叶斯网络的用户电能量预测2.2.1贝叶斯网络用户电能量预测
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 贝叶斯 网络 现货 市场化 交易 用户 电能 预测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。