基于數據驅動的線性聚類ARIMA長期電力負荷預測

李 震,張 思,任嫻婷,黃遠平

(1.國網浙江省電力有限公司衢州供電公司，衢州 324000；2.國網浙江省電力公司，杭州 310007)

城市長期電力負荷預測對電力供電決策建議，保障電力系統安全穩定的運行，提高電力的使用分配效率以及電力報價，電網規劃等方面都產生著至關重要的作用[1]。但是，由于多種原因，當一個城市進入城鎮化階段后期后，電力負荷趨勢會從快速增長階段向飽和階段和波動階段轉變，削弱了其規律性，使得以每年電力系統負荷數據為基礎的預測方法逐漸無法有效預測過渡轉變時期的負荷趨勢[2]。

近年來，電力系統長期負荷預測出現了兩種研究趨勢。其中一種研究趨勢是復合模型逐漸成為主流，文獻[3]中構建了一種半參數模型來研究中長期預測中的不確定性，并估計未來負荷的概率分布。在文獻[4-5]中分別提出了通過蟻獅優化算法優化的灰色模型和通過改進粒子群算法優化的回歸模型。復合模型結合了不同單一模型的優點，可以更好地描述負荷模式的變化，從而提高預測精度。但是上述文獻的預測方法在針對城鎮化過程中的電力負荷波動會產生較大的隨機誤差。

長期電力負荷預測的另一個研究趨勢是“大數據”這一概念受到越來越多人的關注，特別是聚類方法在負荷預測中得到了廣泛的應用，尤其是在大數據分析中。文獻[6]采用分層聚類方法將相似的負荷曲線作為一個聚類集群，然后分別預測每個集群的未來負荷。……