基于聚类分析与神经网络的电力系统负荷预测

• 作者: 刘田梦 王丽婕 马嫒
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 电力系统 短期负荷预测 K均值聚类分析 BP神经网络
• 年，卷（期）: 2018,（4）
• 页码范围: 24-28
• 页数: 5页
• 分类号: TM715
• 字数: 3158字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2018.04.004

摘要

电力负荷数据具有很强的非线性和随机性.为了提高负荷预测模型的精度,提出了一种基于聚类分析与神经网络相结合的预测模型.采用K均值聚类分析算法对影响负荷的各种因素进行分类处理,再选择预测日所属类别的历史数据作为训练样本对BP神经网络模型进行建模;利用MATLAB对北京市朝阳区的负荷量进行预测分析.结果表明未聚类预测模型的平均相对误差为6.4633％,聚类后的负荷预测模型平均相对误差为2.1431％.可见对历史数据进行聚类后建立的负荷预测模型误差更小,预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王丽婕	北京信息科技大学自动化学院	16	83	4.0	9.0
2	刘田梦	北京信息科技大学自动化学院	1	4	1.0	1.0
3	马嫒		1	4	1.0	1.0