作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文的中心思想是采用多种方法组合进行预测,对30个种类的用户全年8760个小时的用电量做全年最后一天的日负荷预测.本文根据聚类算法对数据进行归纳整理再拆分的特点先将数据聚成5类,根据5类用户曲线的特点分别采取不同的适用于各曲线的方法进行预测.本文在k-means聚类的基础上又采取了三种方法进行预测.预测出结果的MAPE值不高,证明预测的精度的准确定.聚类分析的归纳整理功能为预测节省了大量时间,提高了预测速度,而以此为基础采用不同适合的方法进行预测又提高了预测精度,这在一定程度上解决了当前预测快速与准确无法兼具的问题.
推荐文章
K-means聚类算法的研究
数据挖掘
K-means算法
初始聚类中心
聚类分析
基于变异的k-means聚类算法
聚类
mk-means算法
变异
基于深度信念网络的K-means聚类算法研究
K-means算法
深度信念网络
受限玻尔兹曼机
高维数据
聚类分析
FCM算法
K-means聚类算法初始中心选择研究
K-means聚类算法
K个聚类中心
密度参数
K-means算法改进
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于K-means聚类的短期负荷预测研究
来源期刊 电气开关 学科 工学
关键词 短期负荷预测 R语言 Matlab k-means聚类 MAPE
年,卷(期) 2020,(2) 所属期刊栏目 设计与研究
研究方向 页码范围 72-77
页数 6页 分类号 TM714
字数 4141字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 池瑞枫 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (158)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1967(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(3)
  • 参考文献(1)
  • 二级参考文献(2)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
短期负荷预测
R语言
Matlab
k-means聚类
MAPE
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电气开关
双月刊
1004-289X
21-1279/TM
大16开
沈阳市于洪区巢湖街10号
8-65
1963
chi
出版文献量(篇)
3086
总下载数(次)
9
论文1v1指导