基于k-means聚类和BP神经网络组合模型的用电负荷预测

被引：17

作者：

黄磊 ^{[1
]}

陈浩 ^{[2
,3
]}

衣乔木 ^{[1
]}

陶亚龙 ^{[1
]}

机构：

[1] 上海新能凯博实业有限公司

[2] 复旦大学计算机科学技术学院

[3] 网络信息安全审计与监控教育部工程研究中心

来源：

电力与能源 | 2016年 / 37卷 / 01期

关键词：

用电负荷; 天气; k-means聚类; BP网络;

D O I：

暂无

中图分类号：

TM715 [电力系统规划]; TP183 [人工神经网络与计算];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

电能资源不能存储,节约电能的一个重要前提就是精准预测用电负荷。由于居民的用电负荷受多方面因素的影响(如天气),使得用电负荷曲线为高度非线性曲线,但用电负荷的曲线又具有周期性,对于建立这种高度非线性函数并具有一定的周期性的预测模型,神经网络是一种非常合适的方法。针对现有的电力数据,并参考了现有的方法,提出了k-means聚类和BP神经网络组合模型的预测方法来预测用电负荷,通过与单独使用BP网络预测的结果进行对比,认为使用k-means聚类和BP网络的组合模型方法进行用电负荷预测,可获得较高精度。

引用

页码：56 / 60

页数：5

共 10 条

[1]

基于k-means聚类与径向基神经(RBF)网络的电力系统日负荷预测 [J].