基于改进K-means算法的电力短期负荷预测方法研究

摘要：

现有方法预测电力短期负荷时忽略了对其进行聚类优化处理,导致预测耗时较长,短期负荷预测精度偏低.为此,提出一种基于改进K-means算法的电力短期负荷预测方法.该方法利用改进后的K-means算法聚类处理电力负荷大数据,使用聚类后获得的训练样本构建循环神经网络RNN拓扑结构,然后通过对RNN神经网络模型设置最优权值,实现电力负荷的短期预测.实验结果表明,所提方法具有高预测效率和高短期负荷预测精准度.

关键词：K-means算法、数据聚类、RNN神经网络模型、电力负荷大数据、预测方法

所属期刊栏目：37

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;国家电网有限公司总部科技项目

在线出版日期：2022-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：90-95