电力负荷数据预处理研究及应用

被引：16

作者：

苏舟

李灿

姚李孝

崔寒珺

机构：

[1] 西安理工大学水利水电学院

来源：

电网与清洁能源 | 2017年 / 33卷 / 05期

关键词：

不良数据; 减法聚类; 模糊c-均值聚类;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

电力系统历史负荷数据的准确与否对负荷预测效果有重要影响,首先采用减法聚类算法得到历史负荷数据的聚类数目和聚类中心,并以此来作为模糊c-均值聚类的起点,然后通过负荷曲线的横向相似性找出不良数据,最后修正不良数据,得到连续准确的负荷数据。通过实例分析验证了此方法的有效性。

引用

页码：40 / 43+50 +50

页数：5

共 10 条

[1] 改进的数据预处理算法及其应用 [J].

许必宵 ;

陈升波 ;

韩重阳 ;

马梦环 ;

宫婧 .

计算机技术与发展, 2015, 25 (12) :143-146+151

[2] 改进的粒子群优化模糊C均值聚类算法 [J].

温重伟 ;

李荣钧 .

计算机应用研究, 2010, 27 (07) :2520-2522

[3] 基于小波分解的电力系统短期负荷预测方法研究 [J].

王成纲 ;

郭辉 ;

张文静 .

河北电力技术, 2010, 29 (02) :11-14

[4] 改进的模糊C均值聚类算法 [J].

刘坤朋 ;

罗可 .

计算机工程与应用 , 2009, (21) :97-98+188

[5] 统计数据预处理的理论与方法述评 [J].

程开明 .

统计与信息论坛, 2007, (06) :98-103

[6] EMS中负荷预测不良数据的辨识与修正 [J].

叶锋 ;

何桦 ;

顾全 ;

张高峰 .

电力系统自动化, 2006, (15) :85-88

[7] 基于减法聚类与模糊c-均值的模糊聚类的研究 [J].

肖春景 ;

张敏 .

计算机工程, 2005, (S1) :135-137

[8] 小波分析在电力系统不良数据辨识中的应用 [J].

李慧 ;

杨明皓 .

继电器, 2005, (03) :10-14+20

[9] 一种新型的模糊C均值聚类初始化方法 [J].

刘笛 ;

朱学峰 ;

苏彩红 .

计算机仿真, 2004, (11) :148-151

[10] 基于人工神经网络的电力负荷坏数据辨识与调整 [J].

张国江 ;

邱家驹 ;

李继红 .

中国电机工程学报, 2001, (08) :105-108+114

← 1 →