10.3321/j.issn:1000-3673.2006.08.016
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
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.
电力系统、短期负荷预测、支持向量机、硬C均值聚类、相似度
30
TM715(输配电工程、电力网及电力系统)
2006-05-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
81-85