基于硬C均值聚类算法和支持向量机的电力系统短期负荷预测

被引：20

作者：

姜惠兰

刘晓津

关颖

王梦宾

机构：

[1] 天津大学电气与自动化工程学院

[2] 天津大学电气与自动化工程学院天津市南开区

来源：

电网技术 | 2006年 / 08期

关键词：

电力系统; 短期负荷预测; 支持向量机; 硬C均值聚类; 相似度;

D O I：

10.13335/j.1000-3673.pst.2006.08.016

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

提出了一种联合使用硬C均值(hard C-mean,HCM) 聚类算法和支持向量机(support vector machine,SVM)的电力系统短期负荷预测方法。与目前采用单一SVM的负荷预测方法相比,考虑了电力负荷变化的周期性特征,依据输入样本的相似度选取训练样本,即通过对学习样本的聚类选用同类特征数据作为预测输入,保证了数据特征的一致性,强化了历史数据规律。实际应用证明了该方法的有效性,该方法不仅提高了负荷预测精度,还缩短了预测执行时间。

引用

页码：81 / 85

页数：5

共 12 条

[1] 模糊粗糙集理论在空间电力负荷预测中的应用 [J].