基于特性矩阵分层分析的短期母线负荷预测坏数据处理策略

摘要：

原始数据分析是提高短期母线负荷预测精度的重要环节,提出一种基于特性矩阵分层分析的坏数据处理策略.首先研究划分样本集最优簇结构的聚类算法.利用AP聚类计算标幺曲线样本集的聚类数搜索区间；从大到小排列各样本点的密度指标,得到初始化矩阵；通过Silhouette 指标进行有效性检验,最终得到最优聚类结果.参照特征曲线,计算反映负荷点性质的横向及纵向特征向量,进而形成特性矩阵.运用判别准则对日负荷曲线的特性矩阵进行分层分析,并针对不同变化特性的母线负荷制定相应的坏数据处理策略.实例分析表明,本文提出的方法可有效改善原始数据的质量,提高母线负荷预测精度.

关键词：短期母线负荷预测、坏数据处理、特性矩阵、分层分析、聚类算法

所属期刊栏目：28

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：国家高技术研究发展计划863计划项目2008AA042802;国家重点产业振兴和技术改造项目[2010]2272

在线出版日期：2014-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：226-233