基于数据挖掘的短期电力负荷风险预测分析

电力负荷风险越来越成为电力生产行业关注的热点,传统的电力负荷风险预测仅仅从单因素测评台区的风险度,缺乏全面和系统性.因此,传统的预测方法,不能准确地预测风险因素造成的电力故障隐患.为解决此问题,从供电局客服数据、机器监测台区记录、天气等多数据源着手,对电力负荷风险进行分析和预测.首先,对数据进行清洗和分类.然后,利用K-Mean聚类筛选出与电力负荷相关性强的因素作为模型的变量.并在此基础上,构建基于贝叶斯判别的台区电力风险预测模型.通过数据实验,该模型能够以99.53%的准确度来预估台区的负荷风险,从而进行有效的电力故障预测判断,为电力企业传送电的风险防范和控制决策提供支持,降低客户的用电故障,提高客户满意度.