基于神经网络的电力负荷不良数据的清洗

被引：7

作者：

顾民 ^{[1
]}

葛良全 ^{[1
]}

熊文贤 ^{[2
]}

机构：

[1] 成都理工大学核技术与自动化工程学院

[2] 重庆三峡水利电力学校

来源：

微计算机信息 | 2007年 / 21期

关键词：

不良数据; 清洗; ART2网络; 模式漂移; 支持向量数据描述法;

D O I：

暂无

中图分类号：

TM769 [电子计算机在电力系统中的应用]; TP183 [人工神经网络与计算];

学科分类号：

摘要：

电力负荷预测前应首先对负荷数据进行清洗,根据电力日负荷曲线的特征,应用改进的ART-2神经网络准确的提取电力日负荷特征曲线,然后利用支持向量数据描述法对不良数据进行精确定位,最后利用特征曲线对不良数据进行修正。由于ART2网络能够动态调整特征曲线以及支持向量数据描述法快速准确性,使得该清洗模型具有对不良数据进行动态清洗的功能,实例分析说明了该模型的高效性。

引用

页码：265 / 267

页数：3

共 4 条

[1] 最小二乘支持向量机及其在故障诊断中的应用 [J].