数据挖掘在电力负荷坏数据智能辨识与修正中的应用

被引：11

作者：

张昀 ^{[1
]}

周湶 ^{[1
]}

任海军 ^{[2
]}

孙才新 ^{[1
]}

伍科 ^{[1
]}

马小敏 ^{[1
]}

机构：

[1] 重庆大学输配电装备及系统安全与新技术国家重点实验室

[2] 重庆大学软件学院

来源：

重庆大学学报 | 2013年 / 36卷 / 02期

关键词：

模糊C均值聚类; 超圆神经网络; 不良数据检测与辨识; 电力系统负荷预测;

D O I：

暂无

中图分类号：

TM715 [电力系统规划]; TP311.13 [];

学科分类号：

080802 ; 1201 ;

摘要：

负荷历史数据由于各种原因含有一定的坏数据,在进行高精度的电力负荷预测或系统分析前必须对历史数据进行预处理。本文采用基于加权核函数的模糊C均值聚类的改进算法—WKFCM,以核诱导距离的简单两项和替代欧氏距离作为聚类目标公式的不相似性测度函数,减小了计算复杂度。对数据进行聚类之后,采用收敛速度快、模式分类能力强的超圆神经元网络数据辨识模型,并对识别出的坏数据进行修正,实例证明本文提出的数据处理模型具有较好的效果。

引用

页码：69 / 74

页数：6

共 9 条

[1] 一种改进的加权模糊核聚类算法 [J].