聚类懒惰学习在短期负荷预测中的应用

• 作者: 刘牮 申伟伟
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 负荷预测 模糊C均值聚类 懒惰学习
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 165-168,173
• 页数: 5页
• 分类号: TP319
• 字数: 4222字
• 语种: 中文
• DOI: 10.11907/rjdk.173319

摘要

负荷预测是电力系统分析与运行的基础,对机组组合 、经济调度 、安全校核等均具有重要意义.随着电网规模不断增大,数据库时间跨度也随之变大,对不良数据及冗余数据的处理造成影响,负荷预测精度和速度的提高难度显著增大.针对这一问题,提出基于懒惰学习与聚类算法的组合模型.该模型以懒惰学习(Lazy Learning,LL)算法为基础,通过选择相似样本对负荷进行差异性预测建模.在预测应用中,为缩小样本库数量,减小LL算法的预测时间,利用模糊C均值聚类(Fuzzy C-means,FCM)对用电特征进行聚类从而生成局部训练集,以改进LL算法局部建模.实验结果表明,FCM-LL组合算法不仅能高效精确地预测负荷,而且能实现数据库的实时更新.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘牮	上海理工大学光电信息与计算机工程学院	42	170	7.0	10.0
2	申伟伟	上海理工大学光电信息与计算机工程学院	1	0	0.0	0.0