电网技术

2006, (08) 81-85

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

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
Short-Term Load Forecasting Based on Hard-C Mean Clustering Algorithm and Support Vector Machine

姜惠兰;刘晓津;关颖;王梦宾;

摘要(Abstract):

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。

关键词(KeyWords): 电力系统;短期负荷预测;支持向量机;硬C均值聚类;相似度

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 姜惠兰;刘晓津;关颖;王梦宾;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享