模糊聚类与神经网络在电力负荷数据修正上的应用

• 作者: 周治伊 宋吉祥 张春燕 李亚岚 裴婷婷 郝晓弘
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 模糊C-均值 遗传算法 反向传播(BP)神经网络 电力负荷 数据修正
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 应用技术
• 页码范围: 152-155
• 页数: 4页
• 分类号: TP18
• 字数: 3580字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2020)04-0152-04

摘要

提出基于模糊C-均值(FCM)与神经网络相结合的异常电力负荷修正方法.采用AFCM对电力负荷数据进行聚类,确定聚类中心与聚类数目.依据异常数据所在类别,运用遗传算法优化BP神经网络对异常电力负荷数据进行修正.实验表明:该方法具有很好的聚类效果,对单个异常数据与连续异常数据的平均修正相对误差分别为0.34％和1.1％,修正结果优于单纯使用模糊聚类的方法和神经网络的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝晓弘	兰州理工大学电气工程与信息工程学院	187	996	15.0	21.0
2	裴婷婷	兰州理工大学电气工程与信息工程学院	5	3	1.0	1.0
3	张春燕	兰州理工大学计算机与通信学院	5	74	3.0	5.0
4	宋吉祥	兰州理工大学计算机与通信学院	3	0	0.0	0.0
5	李亚岚	兰州理工大学计算机与通信学院	2	0	0.0	0.0
6	周治伊	甘肃省电力公司电力科学研究院电网技术中心	1	0	0.0	0.0