基于硬C均值聚类算法和支持向量机的电力系统短期负荷预测

• 作者: 关颖 刘晓津 姜惠兰 王梦宾
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 电力系统 短期负荷预测 支持向量机 硬C均值聚类 相似度
• 年，卷（期）: 2006,（8）
• 所属期刊栏目: 自动化
• 页码范围: 81-85
• 页数: 5页
• 分类号: TM715
• 字数: 3735字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-3673.2006.08.016

摘要

提出了一种联合使用硬C均值(hard C-mean,HCM)聚类算法和支持向量机(support vector machine,SVM)的电力系统短期负荷预测方法.与目前采用单一SVM的负荷预测方法相比,考虑了电力负荷变化的周期性特征,依据输入样本的相似度选取训练样本,即通过对学习样本的聚类选用同类特征数据作为预测输入,保证了数据特征的一致性,强化了历史数据规律.实际应用证明了该方法的有效性,该方法不仅提高了负荷预测精度,还缩短了预测执行时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜惠兰	天津大学电气与自动化工程学院	35	456	12.0	20.0
2	刘晓津	天津大学电气与自动化工程学院	2	111	2.0	2.0
3	王梦宾	天津大学电气与自动化工程学院	3	53	2.0	3.0
4	关颖	天津大学电气与自动化工程学院	2	51	2.0	2.0