基于自适应K-means与DNN的短期负荷预测研究分析
短期负荷预测对指导电网日常调度具有重要意义.提出了一种基于自适应K-means和深度神经网络(DNN)的短期负荷预测数据挖掘方法.首先,利用弹性网(Elastic Net)分析法辨识影响负荷数据的主导因素;其次,采用基于Davies-Bouldin指数的自适应K-means算法聚类处理;接着,为了克服传统神经网络的过拟合和不稳定性的问题,引入深度网络DNN进行预测聚类后的负荷数据;最后,以实测的负荷及气象数据进行了仿真实验,预测结果与DNN、BP方法的预测结果对比,验证了所提方法具有更好的预测精度.
短期负荷预测、Elastic Net分析法、自适应K-means、深度神经网络
43
TM715(输配电工程、电力网及电力系统)
2020-12-03(万方平台首次上网日期,不代表论文的发表时间)
共4页
58-61