基于神经网络的电力负荷不良数据的清洗

• 作者: 熊文贤 葛良全 顾民
• 来源期刊: 科技与创新
• 关键词: 不良数据 清洗 ART2网络 模式漂移 支持向量数据描述法
• 年，卷（期）: 2007,（21）
• 所属期刊栏目: 软件时空
• 页码范围: 265-267
• 页数: 3页
• 分类号: TP181|TM715
• 语种: 中文
• DOI: 10.3969/j.issn.1008-0570.2007.21.106

摘要

电力负荷预测前应首先对负荷数据进行清洗,根据电力日负荷曲线的特征,应用改进的ART-2神经网络准确的提取电力日负荷特征曲线,然后利用支持向量数据描述法对不良数据进行精确定位,最后利用特征曲线对不良数据进行修正.由于ART2网络能够动态调整特征曲线以及支持向量数据描述法快速准确性,使得该清洗模型具有对不良数据进行动态清洗的功能,实例分析说明了该模型的高效性.