Print

基于K-prototype与SVM的短期电力负荷预测

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

  • 0 引言
  • 1 K-prototype聚类模型
  • 2 支持向量机模型
  • 3 K-prototype聚类与SVM组合算法预测
  •   3.1 根据聚类算法选取历史相似日
  •   3.2 SVM核函数的选择
  •   3.3 实例分析
  • 4 结束语

    • 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

    本文来源: https://www.lunwen66.cn/article/d537cd927bcfa3e88a8ff645.html