摘要：针对电网负荷预测算法预测能力较差、效率偏低的问题,文中提出了一种PCA-PSO-SVM算法。其在经典粒子群算法的基础上引入主元分析法,使模型具有降低数据维度及算法冗余度的特性。同时通过改进的PCA-PSO算法对SVM模型的内置参数进行最优选取,从而使改进后的SVM模型具有最佳的分类性能。在实验测试中,采用PCA算法选取了91%贡献度内的6项数据特征进行样本数据训练。结果表明,相较于其他对比算法,该文算法预测结果的RMSE、MAE与MAPE误差值均为最小,证明其可对网格化电网负荷加以预测。此外,该算法还能提升传统算法的准确度,为电力负荷分配提供有力支持。

摘要：针对配电网GIS系统信息质量低且挖掘应用较少的问题,提出一种面向图模联调校核的配电网数据融合算法。该算法利用改进的搜索策略进行配电网拓扑模型构建,并采用规则库完成异常数据的校核与修复。同时通过AHP算法对配变重过载的程度加以准确评估,再由灰色系统理论实现配变负荷的精准预测。仿真算例表明,所提出的配变重过载程度分析算法能够兼顾负载率、重过载次数及其持续时间的影响,进而准确评估重过载的严重程度。此外,算法还可准确预测配变负荷,且平均预测误差仅为5.2%,显著优于传统曲线拟合算法。