电力日负荷数据特征模式智能提取方法

• 作者: 李明浩
• 来源期刊: 重庆大学学报（自然科学版）
• 学科: 工学
• 关键词: 日负荷 特征模式 软聚类 神经网络
• 年，卷（期）: 2006,（2）
• 所属期刊栏目: 电气·热能·材料工程
• 页码范围: 50-53
• 页数: 4页
• 分类号: TM715
• 字数: 3872字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-582X.2006.02.014

摘要

电力负荷数据中可能包含各种坏数据,严重影响负荷预测精度,因此需要从这些含有噪声的日负荷数据中提取出负荷的特征模式,以便对负荷数据进行清洗.以软聚类思想为指导,通过模糊C均值聚类算法及Kohonen自组织特征映射神经网络的互补结合,提出了日负荷特征模式的智能提取方法,该方法不但具有辨识精度高、收敛速度快的优点,而且具有对数据的动态处理能力,为精确的负荷预测和准确的系统分析做好了数据上的准备,对重庆城区供电局负荷数据的实例分析说明了方法的高效性.