10.3321/j.issn:1000-3673.2006.02.010
基于数据挖掘多层次细节分解的负荷序列聚类分析
提出了多层次细节分解的负荷聚类算法及其性能评估指标.该算法利用负荷序列间的差分序列均方差和欧氏距离形成交集优化判据;同时根据随机因素对负荷的敏感性加入对应参数要求来控制多层次细节分解聚类,对负荷曲线轮廓相似性细节程度聚类是提高预测精度的重要基础.笔者对所提出的聚类算法与一般欧氏距离聚类、Kohonen神经网络聚类算法进行了性能评估和比较,证明了该算法对季节性负荷具有高敏感性,对高温和气候因素与负荷之间的复杂相关性具有高识别能力,该聚类算法对提高负荷预测精度是有效的.
数据挖掘、负荷时间序列、多层次细节分解聚类法、差分序列均方差、Kohonen神经网络、短期负荷预测
30
TM715(输配电工程、电力网及电力系统)
2006-03-09(万方平台首次上网日期,不代表论文的发表时间)
共6页
51-56