论文摘要
电力负荷受多种不确定因素的影响,所以通过使用一种聚类方式选取相似日来进行短期电力负荷预测,以提高预测精度和速度。K-prototype聚类算法继承了k均值算法所以具有k均值优点。通过建立映射数据库将气温、湿度、天气、星期类型、季节等不同量纲的值通过无量纲化处理,使得不同的量纲在数值上具有可比性。然后运用聚类方法选取预测日的相似日,借助SVM模型对相似日样本进行预测,实现更加精准预测的目的。利用某地区真实数据进行验证,结果表明该方法可以有效地提高短期电力负荷的预测精度。
论文目录
文章来源
类型: 期刊论文
作者: 孙聪,李川,李英娜
关键词: 短期电力负荷预测,聚类,支持向量机
来源: 信息技术 2019年04期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 电力工业
单位: 昆明理工大学信息与自动化学院云南省计算机技术应用重点实验室
基金: 国家自然科学基金(51567013)
分类号: TM715
DOI: 10.13274/j.cnki.hdzj.2019.04.007
页码: 27-32+38
总页数: 7
文件大小: 219K
下载量: 256
相关论文文献
- [1].基于K-prototype聚类算法恐怖分子嫌疑度的划分[J]. 智能计算机与应用 2020(03)
标签：短期电力负荷预测论文; 聚类论文; 支持向量机论文;