基于k-means聚类与径向基神经(RBF)网络的电力系统日负荷预测

• 作者: 崔展博 张庆新 陈磊 马睿
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: Kalman滤波 组合预测模型 负荷预测 最小二乘法
• 年，卷（期）: 2013,（34）
• 所属期刊栏目: 论文
• 页码范围: 10177-10181
• 页数: 5页
• 分类号: TM744.1|TP18
• 字数: 3160字
• 语种: 中文

摘要

对大型工业企业电力负荷震荡剧烈、幅度大等问题,提出了借助卡尔曼滤波对“失真数据”进行实时估计,弱化陈旧数据权值的k-means聚类和径向基网络的组合预测模型.依据最小逼近误差,利用最小二乘法对RBF网络的输出权值进行优化.文中方法对电力系统不同的工况背景,使用k-means聚类算法来确定隐藏节点的数据中心和扩展常数,改善了常规RBF网络随机选择网络中心的情况,同时使电力负荷精度得以有效提高.最后,依据文中的组合模型和其他4种常用算法分别对宝钢电力系统负荷数据进行分析预测,仿真结果表明:方法对负荷预测效果较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张庆新	沈阳航空航天大学自动化学院	37	195	8.0	12.0
2	崔展博	沈阳航空航天大学自动化学院	4	19	3.0	4.0
3	陈磊	沈阳航空航天大学安全工程学院	15	30	3.0	5.0
4	马睿	上海宝信软件股份有限公司自动化技术研究所	2	8	1.0	2.0