共 12 条
- [10] 智能挖掘电力负荷预测研究及应用[M]. 中国水利水电出版社 , 王建军, 2013
基于聚类分析的短期负荷智能预测方法研究
被引：15
作者：
陈宏义
[1
,2
]
李存斌
[1
]
施立刚
[1
]
机构：
[1] 华北电力大学经济与管理学院
[2] 中国能源建设集团有限公司
关键词：
数据挖掘;
负荷预测;
聚类;
支持向量机;
k-means;
D O I：
暂无
中图分类号：
TM715 [电力系统规划];
学科分类号：
摘要：
短期电力负荷预测作为电网企业的基本工作,其精度的提高对于电网企业运营管理和调度管理具有较大的意义,然而由于电力负荷受到诸多非线性因素的影响,因此得到高精度的电力负荷预测结果是比较困难的.本文首先利用数据挖掘中的k-means聚类技术对训练集的气象数据进行聚类分析,分析提取相似日,在提取相似日的相关历史数据后,建立支持向量机模型进行短期电力负荷预测.经算例结果证明,由该方法得出的预测结果平均相对误差为0.88%,和同结构支持向量机预测的平均相对误差(1.66%)以及ARMA预测的平均相对误差(3.81%)相比,预测精度得到明显的提高,证明了该方法的有效性.
引用
收藏
页码：94 / 98
页数：5
相关论文