基于熵权法与GRA-ELM的配电网空间负荷预测

空间负荷预测对配电网规划建设具有重要意义。为了提高配电网空间负荷预测精度,文中提出基于熵权法与灰色关联分析-极限学习机(GRA-ELM)的配电网空间负荷预测方法。首先,将规划区域内的小区按用地性质划分,分析不同类型负荷的影响因素,建立空间负荷密度指标体系;其次,利用熵权法对不同类型负荷的负荷密度指标进行权重分配;然后,应用GRA挑选出与待测地块负荷密度指标相似的训练样本;最后,将样本带入经粒子群优化(PSO)算法参数处理后的极限学习机(ELM)进行训练,得到预测结果。通过实例对所提方法的性能进行仿真验证,结果表明,所提方法相对其他方法的空间负荷预测精度更高。

基于地理特征提取与非参数核密度估计的空间负荷分布规律研究

空间负荷的研究对配电网规划有重要意义,现有的研究偏重于对空间负荷预测的研究,对各类空间负荷分布规律的研究尚不充分。为此,提出一种基于地理特征提取与非参数核密度估计的空间负荷分布规律研究方法。按某地的实际用地生成功能小区,提取功能小区的地理特征信息,并给定其用地类型;然后根据提取的信息,应用聚类算法对功能小区分类;利用非参数核密度估计方法,提取不同地域类别、不同用地类型功能小区负荷密度的典型分布特征;对分布特征进行分析,得出研究区域内各类空间负荷的分布规律。通过对某一线城市某地域中各类空间负荷分布规律的仿真,验证了该方法的合理性和实用性。