基于模糊C均值聚类算法和最小二乘支持向量机的母线负荷预测研究

被引：12

作者：

蒋燕 ^{[1
]}

吴洋 ^{[1
]}

栾毅 ^{[1
]}

周彬彬 ^{[1
]}

赵珍玉 ^{[1
]}

雷旭东 ^{[2
]}

刘丽新 ^{[2
]}

机构：

[1] 云南电力调度控制中心

[2] 北京清软创新科技股份有限公司

来源：

电气自动化 | 2019年 / 41卷 / 03期

关键词：

母线; 负荷预测; 模糊C均值算法; 聚类; 最小二乘支持向量机; 相似度;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习]; TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

电力系统中的母线具有数量众多、负荷波动性大等特点,为提高预测精度,提出一种基于模糊C均值(fuzzy c-means,FCM)聚类算法和最小二乘支持向量机(least squares support vector machine,LSSVM)的母线负荷预测方法。利用改进的数据横向比较法对异常负荷进行修正。在此基础上,结合FCM算法将供电区域中具有相似负荷变化规律的母线进行聚类,选取聚类后的母线负荷数据对LSSVM模型进行训练和预测,并通过配比公式进行负荷分配。经数据验证,方法有助于提高母线负荷预测精度。

引用

页码：45 / 47+51 +51

页数：4

共 8 条

[1]

基于改进模糊聚类法和CPSO-LSSVM的母线负荷预测 [J].