基于特性矩阵分层分析的短期母线负荷预测坏数据处理策略

被引：9

作者：

孙谦 ^{[1
]}

姚建刚 ^{[1
]}

金敏 ^{[1
]}

杨胜杰 ^{[2
]}

匡少林 ^{[2
]}

徐振超 ^{[2
]}

机构：

[1] 湖南大学电气与信息工程学院

[2] 湖南湖大华龙电气与信息技术有限公司

来源：

电工技术学报 | 2013年 / 28卷 / 07期

基金：

国家高技术研究发展计划(863计划);

关键词：

短期母线负荷预测; 坏数据处理; 特性矩阵; 分层分析; 聚类算法;

D O I：

10.19595/j.cnki.1000-6753.tces.2013.07.032

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

原始数据分析是提高短期母线负荷预测精度的重要环节,提出一种基于特性矩阵分层分析的坏数据处理策略。首先研究划分样本集最优簇结构的聚类算法。利用AP聚类计算标幺曲线样本集的聚类数搜索区间;从大到小排列各样本点的密度指标,得到初始化矩阵;通过Silhouette指标进行有效性检验,最终得到最优聚类结果。参照特征曲线,计算反映负荷点性质的横向及纵向特征向量,进而形成特性矩阵。运用判别准则对日负荷曲线的特性矩阵进行分层分析,并针对不同变化特性的母线负荷制定相应的坏数据处理策略。实例分析表明,本文提出的方法可有效改善原始数据的质量,提高母线负荷预测精度。

引用

页码：226 / 233

页数：8

共 21 条

[1] 间接预测法在母线负荷预测中的应用 [J].