典型文献
新冠肺炎疫情影响下基于多源数据驱动的电力系统负荷预测方法
文献摘要：
新冠肺炎疫情的爆发及快速传播给中国乃至全球造成了深远的影响,对社会带来全方面影响的同时也改变了大众的能源消费习惯,催生了新的电力需求侧的变革与契机.疫情对社会各方面的影响可以通过病例数、在线办公人数、电力市场数据、外卖快递数据、社交距离数据、城市亮度数据与二氧化氮等数据得到更为直接的展现,利用大数据相关系数算法,结合历史数据与天气数据,表征疫情下各个社会属性量与电力系统负荷之间的强弱联系.提出了疫情下基于极端梯度增强算法(extreme gradient boosting,XGBoost)分类器的电力系统负荷预测模型,利用新冠肺炎病例数据将地区划分为重度疫情期、轻度疫情期与疫情恢复期,探讨不同时间段新冠肺炎疫情影响下,各个社会属性量数据与电力系统负荷之间的关系,提出了多源数据驱动下的电力系统负荷预测模型,相关试验结果验证了提出方法的有效性与科学性.
文献关键词：
新冠肺炎疫情;多源数据驱动;社会属性;负荷预测;XGBoost
中图分类号：
作者姓名：
卢德龙;郭聚一;吴阳
作者机构：
国网江苏省电力有限公司苏州供电分公司,江苏苏州 215004;国家开发银行深圳市分行,广东深圳 518000;清华大学电机工程与应用电子技术系,北京 100084
文献出处：
引用格式：
[1]卢德龙;郭聚一;吴阳-.新冠肺炎疫情影响下基于多源数据驱动的电力系统负荷预测方法)[J].供用电,2022(01):74-80
A类：
B类：
新冠肺炎疫情影响,多源数据驱动,电力系统,系统负荷,负荷预测方法,能源消费,消费习惯,电力需求,需求侧,在线办公,公人,电力市场,外卖,快递,社交距离,亮度,二氧化氮,数算,历史数据,气数,社会属性,梯度增强算法,extreme,gradient,boosting,XGBoost,分类器,负荷预测模型,恢复期,不同时间段
AB值：
0.30286
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
