基于改进的模糊C均值聚类的负荷预处理

SCADA系统采集的电力负荷数据由于各种原因,会存在一些坏数据。在负荷预测中,必须仔细而合理地对历史负荷数据进行处理。电力负荷预处理应该充分考虑负荷曲线本身的特征,即平滑性和相似性。模糊C均值算法可以较好地进行聚类,但是其由于存在聚类数和初始聚类中心未知的问题,因此提出改进的模糊C均值算法——IFCM,即使用改进K均值算法确定初始聚类中心,引入粒度原理确定最佳聚类数。首先采用IFCM对日负荷曲线进行聚类,产生各类特征曲线;然后计算每个时刻点的方差,根据3σ法则进行坏数据的辨识;最后利用特征曲线对坏数据进行修正。针对四川某电网的实际电力负荷进行分析,表明了模型的实用性。