基于聚类分析的短期负荷智能预测方法研究

• 作者: 施立刚 李存斌 陈宏义
• 来源期刊: 湖南大学学报（自认科学版）
• 关键词: 数据挖掘 负荷预测 聚类 支持向量机 k-means
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 电气工程
• 页码范围: 94-98
• 页数: 5页
• 分类号: TM715
• 语种: 中文

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kmeans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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李存斌	华北电力大学经济与管理学院	164	1493	21.0	31.0
2	陈宏义	华北电力大学经济与管理学院	7	28	3.0	5.0
4	施立刚	华北电力大学经济与管理学院	2	20	2.0	2.0