基于密度聚类与ARIMA模型短期电力负荷预测

• 作者: 刘亚辉 苏良立 郭俊岑 韩明轩
• 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: DBSCAN ARIMA 短期电力负荷 预测
• 年，卷（期）: 2019,（5）
• 页码范围: 84-87
• 页数: 4页
• 分类号: TP391
• 字数: 2119字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2019.05.016

摘要

为了提高短期电力负荷预测的准确度,提出了将密度聚类算法(DBSCAN)与自回归移动平均模型(ARIMA)相结合的方法,进行短期电力负荷预测.首先,对数据进行归一化、天气状况类别数据编码、缺失值填补等预处理;然后,利用DBSCAN对负荷均值进行聚类与剔除噪音点.ARIMA模型的参数根据差分后的时间序列及热力图确定;最后,重构分解后的曲线,并根据历史数据对未来短期负荷进行预测.实验结果表明,预测结果的误差在合理范围内.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘亚辉	北京信息科技大学信息管理学院	28	34	3.0	4.0
2	苏良立		2	2	1.0	1.0
3	韩明轩	北京信息科技大学信息管理学院	1	2	1.0	1.0
4	郭俊岑		1	2	1.0	1.0