基于支持向量机的海量电力数据智能分类方法

• 作者: 单婧婧 刘海林
• 来源期刊: 自动化与仪器仪表
• 关键词: 支持向量机 k-means算法 LSTM预测模型
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 自动化应用|AUTOMATION APPLICATIONS
• 页码范围: 216-220
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2021.02.216

摘要

针对电力公司海量数据分类问题,提出一种改进的k-means数据分类方法.在k-means算法的基础上,应用PCA对k-means算法进行降维处理,用canopy算法优化最佳簇集数、初始聚类中心.然后,应用改进的k-means算法对居民用户用电进行聚类;最后以该聚类结果为基础,建立LSTM预测模型.通过LSTM预测模型对某小区90户居民用电数据进行仿真实验,并对比分析了传统聚类、改进聚类和不适用聚类下LSTM三种模型的预测结果.结果 表明,未使用任何聚类算法构建的LSTM模型在进行电力负荷预测时,预测结果的精度最低;应用改进的k-means算法构建的LSTM模型预测结果精度最佳.